茶渣水热提取咖啡因工艺参数优化

为实现废弃茶渣中活性物质的提取和资源化利用,该研究利用水热技术高效提取茶渣中的咖啡因,并结合响应面法(response surface methodology,RSM)和人工神经网络(artificial neural network,ANN)对提取过程进行建模与预测,获得最优的浸提条件。结果表明,水热法能够实现咖啡因等高值活性成分的高效浸出,通过RSM对提取过程中的关键参数(水热温度、时间、液固比和pH值)进行了系统优化,发现水热温度对咖啡因提取率的影响最为显著。此外,还建立了ANN模型以进一步验证和对比优化效果,试验表明,ANN模型预测的最佳条件为水热温度220℃,水热时间3.5 h,液固比50 mL/g,pH值为9.0,ANN的预测结果(66.19 mg/g)与实际试验(65.81±0.47 mg/g)结果较为接近,具有更高的预测精度(R^(2)=0.999)。该研究利用水热技术从茶渣废弃物中回收咖啡因,为废弃生物质资源的高值化循环利用提供了有益的参考和借鉴。