استحصال بیوکامپوزیت کیتوزان از ضایعات محصولات شیلاتی با استفاده از تکنولوژی الگوریتم خوشه بندی یادگیری ماشین
Keywords:
کیتوزان , یوکامپوزیتAbstract
امروزه استفاده از ضایعات صنایع شیلاتی به عنوان منبعی ارزشمند برای استحصال بیوپلیمرها مورد توجه قرار گرفته است. در این پژوهش، با بهرهگیری از الگوریتمهای خوشهبندی یادگیری ماشین، روشی نوین برای استحصال بهینه بیوکامپوزیت کیتوزان از ضایعات ماهی و میگو ارائه شده است. نمونههای ضایعات از پنج گونه مختلف آبزیان جمعآوری و پس از آمادهسازی اولیه، دادههای مربوط به ترکیب شیمیایی، مورفولوژی و خصوصیات فیزیکی آنها استخراج گردید. الگوریتم K-means با معیار فاصله اقلیدسی و الگوریتم خوشهبندی سلسله مراتبی DBSCAN برای طبقهبندی نمونهها بر اساس پتانسیل تولید کیتوزان با خصوصیات بهینه استفاده شد. نتایج نشان داد که خوشهبندی نمونهها به پنج دسته مجزا، امکان پیشبینی پارامترهای بهینه استخراج را تا ۸۷٪ افزایش میدهد. بیوکامپوزیت کیتوزان تولیدی با این روش، درجه استیلزدایی بالاتر (۸۵٪) و وزن مولکولی کنترلشدهتری (۱۲۰-۱۵۰ کیلودالتون) در مقایسه با روشهای سنتی نشان داد. همچنین، مصرف انرژی و مواد شیمیایی در فرآیند استخراج به میزان ۲۶٪ کاهش یافت. یافتههای این پژوهش، کاربرد موفقیتآمیز الگوریتمهای خوشهبندی را در بهینهسازی فرآیند استخراج بیوکامپوزیتهای زیستی از منابع ضایعاتی نشان میدهد.
Downloads
References
1- Lv Z, Rao J, Lü B, Chen G, Hao X, Guan Y, Bian J, Peng F. Microencapsulated phase change
material via Pickering emulsion based on xylan nanocrystal for thermoregulating application.
Carbohydrate Polymers. 2023 Feb 15;302:120407.
2- Nishshanka GK, Liyanaarachchi VC, Premaratne M, Nimarshana PH, Ariyadasa TU,
Kornaros M. Wastewater-based microalgal biorefineries for the production of astaxanthin and
co-products: current status, challenges and future perspectives. Bioresource Technology. 2021
Dec 1;342:126018.
3- Kim HW, Rhee MS. Space food and bacterial infections: Realities of the risk and role of
science. Trends in Food Science & Technology. 2020 Dec 1;106:275-87.
4- Ying W, Shou W, Wang J, Shi W, Sun Y, Ji D, Gai H, Wang X, Chen M. Automatic
scaffolding workface assessment for activity analysis through machine learning. Applied
Sciences. 2021 Apr 30;11(9):4143.
5- Cao Y, Nakhjiri AT, Ghadiri M. Different applications of machine learning approaches in
materials science and engineering: Comprehensive review. Engineering Applications of
Artificial Intelligence. 2024 Sep 1;135:108783.
6- Xu A, Zhang X, Wang T, Xin F, Ma LZ, Zhou J, Dong W, Jiang M. Rugose small colony
variant and its hyper-biofilm in Pseudomonas aeruginosa: Adaption, evolution, and
biotechnological potential. Biotechnology Advances. 2021 Dec 1;53:107862.
7- Masri S, Fauzi MB. Current insight of printability quality improvement strategies in naturalbased bioinks for skin regeneration and wound healing. Polymers. 2021 Mar 25;13(7):1011.
8- Zaini WM, Lai DT, Lim RC. A systematic approach to identify technological trends related
to chitin and chitosan using three-window analytics. World Patent Information. 2024 Mar
1;76:102260.
9- Santos VP, Marques NS, Maia PC, Lima MA, Franco LD, Campos-Takaki GM. Seafood
waste as attractive source of chitin and chitosan production and their applications. International
journal of molecular sciences. 2020 Jun 16;21(12):4290.
10- Kumar A, Yadav S, Pramanik J, Sivamaruthi BS, Jayeoye TJ, Prajapati BG, Chaiyasut C.
Chitosan-based composites: development and perspective in food preservation and biomedical
applications. Polymers. 2023 Jul 25;15(15):3150.
