在追求糧食安全和可持續(xù)發(fā)展的全球背景下，豇豆（Vigna unguiculata L. Walp.）憑借其高蛋白含量、適應(yīng)貧瘠土壤和抗旱能力，成為一種至關(guān)重要的豆類作物。尼日利亞作為其最大的生產(chǎn)和消費國，年產(chǎn)量超過四百萬噸。然而，豇豆的工業(yè)應(yīng)用，特別是在食品加工領(lǐng)域，仍然面臨瓶頸。一個核心挑戰(zhàn)是缺乏關(guān)于其“喝水”本領(lǐng)——即吸水動力學(xué)和熱力學(xué)特性的系統(tǒng)數(shù)據(jù)。食品加工者需要知道豆子在加工（如浸泡、蒸煮、擠壓）過程中如何吸水、能吸多少水、需要多久才能“喝飽”，以及溫度如何影響這一過程。這些特性直接關(guān)系到產(chǎn)品的質(zhì)地、烹飪品質(zhì)和最終的加工效率。近年來，育種學(xué)家們開發(fā)了一系列改良的SAMPEA豇豆品種，旨在解決傳統(tǒng)品種面臨的病蟲害和烹飪時間長等問題。盡管這些新品種展現(xiàn)出諸多優(yōu)良性狀，但人們對它們在不同溫度條件下的“喝水”行為卻知之甚少。這種知識的空白，使得食品工業(yè)難以精確優(yōu)化針對這些新型品種的加工工藝，限制了它們的商業(yè)潛力和在即食食品、蛋白分離物等高端產(chǎn)品中的應(yīng)用。為了填補這一空白，并為食品工業(yè)提供精準(zhǔn)的加工指導(dǎo)，一項針對SAMPEA系列豇豆雜種吸水行為的深入研究應(yīng)運而生。該研究采用多模型策略，將經(jīng)典的數(shù)學(xué)模型與前沿的機器學(xué)習(xí)（Machine Learning, ML）技術(shù)相結(jié)合，旨在深入揭示其吸水規(guī)律，相關(guān)成果發(fā)表在《Applied Food Research》期刊上。

為了系統(tǒng)研究SAMPEA豇豆的吸水特性，研究者們采用了綜合的實驗與分析框架。首先，從尼日利亞Ahmadu Bello大學(xué)農(nóng)業(yè)研究所的育種實驗室獲取了七個SAMPEA雜種（15-21）的種子樣本，并測定了其物理尺寸、百粒重、球形度、體積等基礎(chǔ)幾何參數(shù)。核心的吸水實驗在嚴(yán)格控制的條件下進行：將樣品置于五個不同溫度（30°C, 45°C, 60°C, 75°C, 90°C）的恒溫水浴中浸泡，并在特定時間點（例如30, 45, 60, 90, 120, 300分鐘）測量其重量變化，以此計算不同時間點的水分吸收量。基于這些實驗數(shù)據(jù)，研究從兩個維度進行建模分析。一方面，運用了五種經(jīng)典的吸水動力學(xué)模型（Peleg, Page, Weibull, Kapatso, 和Fick擴散模型）來擬合吸水過程，并計算了相關(guān)的熱力學(xué)參數(shù)（如活化能E_a、焓變ΔH、熵變ΔS和吉布斯自由能ΔG）。另一方面，創(chuàng)新性地引入了七種機器學(xué)習(xí)算法（包括支持向量回歸SVR、深度神經(jīng)網(wǎng)絡(luò)DNN、XGBoost、隨機森林、梯度提升、輕量梯度提升機LightGBM和超級集成），將浸泡時間、溫度以及經(jīng)過獨熱編碼的品種信息作為輸入特征，來預(yù)測水分吸收量。數(shù)據(jù)集被劃分為訓(xùn)練集、驗證集和測試集，以評估和比較不同模型的預(yù)測性能。

研究首先對七個SAMPEA雜種的種子進行了物理表征。結(jié)果表明，雖然品種間的長度、寬度、厚度等尺寸參數(shù)存在一定遺傳多樣性，但整體上差異不顯著。所有品種的種子形狀均被歸類為圓形。這些幾何參數(shù)是影響種子吸水行為的基礎(chǔ)因素，也為后續(xù)加工設(shè)備（如篩分、脫殼機）的設(shè)計提供了重要參考。

通過24小時浸泡實驗，評估了各品種的吸水能力、吸水指數(shù)、溶脹能力和溶脹指數(shù)。結(jié)果顯示，SAMPEA-21具有最高的吸水指數(shù)（129.08%），而SAMPEA-16則表現(xiàn)出最高的溶脹能力（0.58 mL/粒）和溶脹指數(shù)（61.93%）。這些參數(shù)直接關(guān)聯(lián)到種子的烹飪品質(zhì)，較高的吸水能力通常意味著更短的烹飪時間和更少的分裂，對工業(yè)化食品加工具有重要意義。主成分分析進一步揭示了品種間形態(tài)特征的差異，這些差異與其吸水行為的變異性相關(guān)聯(lián)。

研究人員將實驗數(shù)據(jù)擬合到五個經(jīng)典動力學(xué)模型中。在所有的傳統(tǒng)模型中，Peleg模型展現(xiàn)了最佳的整體擬合度，其決定系數(shù)R²在30°C時高達(dá)0.992，但在90°C時顯著下降至0.250。該模型能夠有效描述吸水初期和接近平衡時的行為。基于Peleg模型的參數(shù)，通過阿倫尼烏斯方程計算了各品種的吸水活化能（E_a）。E_a值在10.149至20.123 kJ/mol之間，其中SAMPEA-15的E_a最高，表明其開始吸水需要克服更高的能量勢壘，這可能是由于其內(nèi)部結(jié)構(gòu)（如致密的子葉基質(zhì)、較高的淀粉-蛋白質(zhì)互作網(wǎng)絡(luò)）在高溫下更容易發(fā)生不利的結(jié)構(gòu)變化（如凝膠化和蛋白質(zhì)變性），從而減緩了吸水速率。熱力學(xué)分析顯示，所有品種的焓變（ΔH）均為負(fù)值，熵變（ΔS）也為負(fù)值，且吉布斯自由能（ΔG）隨溫度升高而增加。這表明SAMPEA豇豆的吸水過程是一個放熱的、有序度降低的轉(zhuǎn)變，其自發(fā)性和驅(qū)動力受溫度影響。

為了突破經(jīng)典模型在捕捉復(fù)雜非線性關(guān)系和提供高精度預(yù)測方面的局限，研究引入了機器學(xué)習(xí)方法。在測試的七種ML模型中，支持向量回歸（SVR）表現(xiàn)最為出色，其整體預(yù)測的R²達(dá)到了0.9997，均方根誤差（RMSE）低至0.0113 g/g，預(yù)測精度顯著超越所有經(jīng)典模型。深度神經(jīng)網(wǎng)絡(luò)（DNN）和XGBoost也表現(xiàn)出強大的建模能力。機器學(xué)習(xí)模型不僅提供了更高的預(yù)測準(zhǔn)確性，還能通過特征重要性分析揭示關(guān)鍵影響因素。沙普利加和解釋（SHAP）分析明確顯示，在影響水分吸收的所有因素中，浸泡時間是首要的決定性因子，其次是溫度，而品種身份則貢獻了細(xì)微的、非加性的交互作用。這一發(fā)現(xiàn)與響應(yīng)面分析的結(jié)果相互印證，后者直觀展示了吸水率隨浸泡時間延長而增加，但受溫度影響的復(fù)雜非線性關(guān)系。

本研究對六個新近育成的SAMPEA豇豆雜種的吸水動力學(xué)和熱力學(xué)特性進行了全面而深入的探索。通過結(jié)合經(jīng)典物理模型與前沿機器學(xué)習(xí)算法，揭示了不同品種間吸水行為的顯著差異性及其背后的物理化學(xué)機制。研究發(fā)現(xiàn)，在傳統(tǒng)模型中，Peleg模型能較好地描述吸水過程；而在預(yù)測精度上，機器學(xué)習(xí)模型，尤其是支持向量回歸，展現(xiàn)出了壓倒性的優(yōu)勢。研究確定的低活化能值表明這些新品種具有較高的吸水效率潛力。此外，研究明確了浸泡時間是控制吸水過程的最關(guān)鍵操作參數(shù)。這些結(jié)論具有重要的理論與實踐意義。首先，該研究填補了關(guān)于SAMPEA這一在撒哈拉以南非洲廣泛種植的重要豇豆系列吸水特性數(shù)據(jù)的空白。其次，建立的高精度機器學(xué)習(xí)預(yù)測模型，為食品工業(yè)優(yōu)化針對特定品種的加工工藝（如浸泡、蒸煮、擠壓）提供了強大的工具，有助于實現(xiàn)精準(zhǔn)控制、提高能效和產(chǎn)品一致性。最后，研究結(jié)果為后續(xù)的品種選育提供了參考指標(biāo)，例如可以選擇那些具有高吸水指數(shù)和低活化能的品種，以進一步縮短烹飪時間、節(jié)省能源，并開發(fā)出更優(yōu)質(zhì)的即食豆類食品、蛋白強化醬和擠壓食品。這項研究為推進豇豆在食品加工中的高值化利用和可持續(xù)農(nóng)業(yè)發(fā)展奠定了堅實的科學(xué)基礎(chǔ)。