中国农业科学 | 南京财经大学胡秋辉课题组研究神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化

3D打印具有制造复杂几何形状、精细纹理和定制营养成分的独特优势，在食品领域中具有巨大的应用潜力。杏鲍菇作为一种全球商业化的种植品种，是众所周知的优质蛋白质来源。许多研究表明杏鲍菇中有多种生物活性成分，具有抗炎、抗肿瘤等生物学活性。因此将杏鲍菇开发为3D打印的油墨，不仅可以拓宽3D食品打印的原料来源，还可以丰富杏鲍菇的加工形式。然而，原料的3D打印性能会受到打印机参数设置的影响，如喷嘴直径、打印高度、喷嘴移动速度和填充率。3D打印过程影响因素多，存在打印参数确定困难、打印精度预测能力差等问题，限制了3D打印技术的发展和应用，亟需寻找有效建模方法对打印参数进行寻优，以确定最佳打印条件。

近期，南京财经大学食品科学与工程学院/江苏省现代粮食流通与安全协同创新中心/江苏省食用菌保鲜与深加工工程研究中心胡秋辉课题组完成的题为“神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化”的研究在《中国农业科学》2024年第57卷3期正式发表。

本研究采用杏鲍菇粉和刺槐豆胶为3D打印原料，以单因素试验为基础，通过中心组合试验设计，研究喷嘴直径、打印高度、喷嘴移动速度和填充率4个关键的工艺参数对杏鲍菇粉3D打印精度的影响，并在此基础上采用响应面法和神经网络-遗传算法分别建模分析，确定3D打印的工艺参数。

单因素试验及中心组合试验结果表明，影响3D打印精度的主要因素从大到小顺序为填充率、喷嘴直径、喷嘴移动速度、打印高度。

喷嘴直径对杏鲍菇粉-刺槐豆胶样品3D打印性能的影响

打印高度对杏鲍菇粉-刺槐豆胶样品3D打印性能的影响

喷嘴移动速度对杏鲍菇粉-刺槐豆胶样品3D打印性能的影响

响应面法和神经网络-遗传算法均可用于杏鲍菇粉3D打印参数优化，但是优化效果不同。响应面法的决定系数R²值、均方根误差、相对误差、预测最优值分别为0.8817、0.2314、72.73%、0.148；神经网络-遗传算法的决定系数R²值、均方根误差、相对误差、预测最优值分别为0.9389、0.2269、33.85%、0.215。比较模型参数可得，神经网络-遗传算法的决定系数R²值较高，均方根误差、相对误差较低，比响应面法拟合能力更好，同时其预测最优值较高，具有更好的预测能力。

各因素交互作用对打印样品综合偏差影响的响应面图

神经网络-遗传算法比响应面法更适合于杏鲍菇粉3D打印参数工艺的优化。采用神经网络-遗传算法获得以杏鲍菇为原料的3D打印最佳工艺参数条件为：喷嘴直径1.2 mm、打印高度1.1 mm、喷嘴移动速度24 mm∙s^-1、填充率84%。经过试验验证，神经网络-遗传算法确定的最优参数打印样品偏差为0.325，优于响应面的实际打印偏差0.550。

人工神经网络模拟仿真效果

本研究结果表明神经网络-遗传算法可以有效确定3D打印过程最优工艺参数，准确预测食品3D打印产品的精度，可作为农产品及食品个性化3D打印工艺参数优化的一种有效便捷方法。

该文章获得江苏省科技成果转化项目（BA2021062）、江苏高校优势学科建设工程资助项目（PAPD）、江苏高校品牌专业建设工程资助项目（TAPP）的资助。

论文链接：《神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化》

引用本文：

苏安祥, 贺安琪, 马高兴, 赵立艳, 杨文建, 胡秋辉. 神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化[J]. 中国农业科学, 2024, 57(3): 584-596.SU AnXiang, HE AnQi, MA GaoXing, ZHAO LiYan, YANG WenJian, HU QiuHui. Modeling and Optimization of 3D Printing Process of Pleurotus Eryngii Powder Using Neural Network-Genetic Algorithm[J]. Scientia Agricultura Sinica, 2024, 57(3): 584-596.