随着全球水产养殖业向集约化和高效化发展,高能量配合饲料成为满足许多养殖鱼类(特别是肉食性鱼类)营养需求的关键[1]。为了在饲料中实现10%~30%甚至更高的脂肪含量,油脂的添加工艺至关重要。传统的挤压膨化工艺中,在混合阶段添加过量油脂(内加)会因其润滑作用而显著降低膨化腔内的剪切力和机械能输入,从而对颗粒的糊化度和成型质量产生负面影响[2]。因此,真空后喷涂技术逐渐成为生产高能水产饲料的主流工艺,该技术不仅能有效避免高温高压对不饱和脂肪酸、维生素等热敏性营养物质的破坏,还能确保颗粒具有良好的物理质量[3]。然而,高比例的油脂后喷涂常常引起高漏油率,即油脂不能被颗粒的多孔结构有效吸收和锁定时,便会从颗粒表面渗出,这意味着饲料实际能量值的降低和营养物质的损失,直接影响饲料转化率和鱼类的生长性能。此外,渗出的油脂易发生氧化酸败,降低饲料的适口性和储存稳定性,并可能对鱼类健康造成负面影响[4-6]。
目前,针对后喷涂工艺的研究主要集中在优化工艺参数,以提升油脂保留率。例如,Chaabani等[7]的研究指出,真空度是降低漏油率最有效的因素,高真空度下随着室内压力的降低,油脂能够更深入地渗透到颗粒内部孔隙中,从而减少表面残油和后期泄漏。此外,已有研究还探讨了分步喷涂[8]、搅拌速度、泄压时间等参数对漏油率的影响[9-11],并通过工艺优化取得了一定进展。在实际生产中,随着鱼粉、鱼油等传统原料的供应日益紧张,饲料配方中的油源选择趋于多元化,除鱼油、豆油外,棕榈油、亚麻籽油,乃至新兴的黑水虻油等昆虫油脂也逐渐被应用[12-13]。这些不同来源的油脂理化特性差异较大,但目前研究多关注其在饲料中应用的营养学特性,忽略了其理化特性尤其是黏度特性对饲料漏油率等加工质量的影响。在食品科学领域,对油脂黏度的研究已较为成熟,明确了黏度主要由其内在的脂肪酸组成和温度决定[14-16]。天然植物油中常见的不饱和脂肪酸多为顺式构型,其双键结构会使碳链产生“拐点”,这种空间位阻破坏了分子链之间平行堆积的规整性,增大了分子间距,从而显著削弱了范德华力,分子流动的活化能降低,宏观上表现为黏度下降[17]。同时,在相同不饱和度下,脂肪酸的碳链越长(即有效碳原子数越大),分子间的接触面积与作用力越大,流动活化能随之增高,导致黏度上升[18]。此外,温度对油脂黏度的影响也可能与其不饱和度相关,双键数目越多的油脂,其黏度随温度变化越为敏感[19]。黏度越高的油脂,其在食品体系中的迁移速率越低。例如,在巧克力夹心模型中,低黏度三辛酸甘油酯(37.2 mPa·s)迁移速率最高,而高黏度花生油(97.2 mPa·s)迁移速率最低,黏度高于60 mPa·s时,迁移速率显著下降[20]。尽管如此,目前尚缺乏将这一流变学原理应用于水产饲料领域的系统研究,特别是关于不同油源黏度特性如何具体调控颗粒漏油率的定量规律亟待阐明。
因此,本研究旨在通过测定不同种类油脂在不同温度下的黏度,并结合后喷涂试验系统探究油脂黏度对水产膨化饲料漏油率的影响规律,以期为高能水产饲料的配方设计和后喷涂工艺中油源的科学选择与应用提供理论依据和实践指导。
1 材料与方法
1.1 试验油脂种类
本试验采用7种类型共11个油脂样品,涵盖植物油脂、动物油脂及昆虫油脂。其中,植物油脂包括2种食用级大豆油(豆油1和豆油4)、2种饲料级大豆油(豆油2和豆油3)、1种棉籽油、1种棕榈油以及1种亚麻籽油;动物油脂包括1种鱼油;昆虫油脂包括2种黑水虻油(黑水虻油1和黑水虻油2)和1种大麦虫油。所有商品化油脂均在保质期内使用。
1.2 试验饲料加工参数及颗粒质量
用于比较漏油率的试验饲料是由洋工TPE62S双螺杆挤压机在同一配方和挤压膨化参数下制备的粒径为3 mm的膨化颗粒饲料。试验饲料配方参考鲑鳟鱼营养需求设计,其组成及营养水平见表1。
表1 试验饲料组成及营养水平(风干基础)Table 1 Composition and nutrient levels of the experimental diet (air-dry basis) |
| 项目Items | 含量Content | ||
|---|---|---|---|
| 原料Ingredients | |||
| 秘鲁鱼粉Peru fish meal | 25.00 | ||
| 家禽副产品粉Poultry by-product meal | 5.00 | ||
| 豆粕Soybean meal | 20.00 | ||
| 大豆浓缩蛋白Soy protein concentrate | 5.00 | ||
| 谷朊粉Wheat gluten meal | 5.00 | ||
| 血粉Blood meal | 5.00 | ||
| 木薯淀粉Cassava starch | 6.00 | ||
| 面粉Wheat meal | 8.00 | ||
| 豆油Soybean oil | 17.00 | ||
| 磷酸二氢钙Ca(H2PO4)2 | 1.50 | ||
| 氯化胆碱Choline chloride | 0.40 | ||
| 微晶纤维素Microcrystalline cellulose | 0.40 | ||
| 预混料Premix1) | 1.00 | ||
| 赖氨酸Lysine | 0.40 | ||
| 蛋氨酸Methionine | 0.20 | ||
| 苏氨酸Threonine | 0.10 | ||
| 合计Total | 100.00 | ||
| 营养水平Nutrient levels2) | |||
| 水分Moisture | 8.08 | ||
| 粗灰分Ash | 8.79 | ||
| 粗蛋白质CP | 45.03 | ||
| 粗脂肪EE | 21.30 |
1)预混料为每千克饲料提供 Premix provided the following per kilogram of the diet:VA 20 mg,VB1 10 mg,VB2 15 mg,VB6 15 mg,VB12 8 mg,VC酯 VC ester 1 000 mg,VD3 10 mg,VE 400 mg,VK3 20 mg,泛酸钙 calcium pantothenate 40 mg,烟酸胺 nicotinamide 100 mg,肌醇 inositol 200 mg,生物素 biotin 2 mg,叶酸 folic acid 10 mg,玉米蛋白粉 corn protein powder 150 mg,FeSO4·H2O 300 mg,ZnSO4·H2O 200 mg,MnSO4·H2O 100 mg,CuSO4·5H2O 10 mg,KI 80 mg,CoCl2·6H2O 5 mg,Na2SeO3 5 mg, NaCl 100 mg,沸石粉 zeolite powder 695 mg。 2)营养水平为实测值。Nutrient levels were measured values. |
表2 饲料加工参数及颗粒质量Table 2 Feed processing parameters and pellet quality |
| 项目Items | 数值Values |
|---|---|
| 一区温度Temperature of zone 1/℃ | 90.00 |
| 二区温度Temperature of zone 2/℃ | 110.00 |
| 模头设定温度Die temperature/℃ | 125.00 |
| 模头实际温度 Actual die temperature/℃ | 124.40±1.08 |
| 调质温度 Pre-conditioner temperature/℃ | 100.08±1.03 |
| 喂料速度Feed rate/(kg/h) | 90.00±5.00 |
| 模孔数Die count/个 | 3.00 |
| 模孔直径Die diameter/mm | 3.00 |
| 调质水分含量 Preconditioning water content/% | 28.73±0.52 |
| 蒸汽流量Steam flow rate/(kg/h) | 19.78±2.31 |
| 颗粒质量Pellet quality | |
| 容重Bulk density/(g/L) | 461.67±1.15 |
| 膨化度Expansion rate | 1.46±0.05 |
| 长径比L/D ratio | 1.36±0.06 |
| 水中稳定性Water stability/% | 6.33±0.35 |
| 颗粒耐久性Pellet durability index/% | 96.47±0.25 |
| 轴向硬度Axial hardness/N | 48.85±7.03 |
| 径向硬度Radial hardness/N | 25.38±3.27 |
一区:接近下调制器的膨化腔;二区:接近模头的膨化腔。模头实际温度、实际调质水分含量、蒸汽流量均为实测值。 | |
Zone 1: the barrel section adjacent to the lower conditioner; zone 2: the barrel section adjacent to the die head. The actual die temperature, actual preconditioning moisture content and steam flow rate were all measured values. |
1.3 饲料营养成分测定
饲料中干物质含量测定参考GB/T 6435—2014,粗蛋白质含量测定参考GB/T 6432—2018,粗脂肪含量测定参考GB/T 6433—2006,粗灰分含量测定参考GB/T 6438—2007。
1.4 油脂黏度测定
1.5 漏油率测定
漏油率测定参照Xing等[21]和Ma等[24]的方法,并稍作调整。采用实验室模拟真空喷涂结合吸油纸渗油法评价饲料的漏油率,具体操作如下:精确称取约60.0 g膨化颗粒饲料样品(记为W1),并将其堆放于真空干燥器的一侧;另精确称取约6.0 g待测油脂(记为W2),加热至60 ℃后倒入干燥器内(避免与饲料颗粒直接接触)。将干燥器密封后,抽真空至表压-0.08 MPa,在保持真空的状态下缓慢倾斜干燥器使油脂与饲料颗粒充分混合。随后,缓慢破除真空,使腔内恢复至常压(回气时间不小于2 min),以促进油脂渗入颗粒孔隙。取出包被后的饲料,观察到颗粒表面干燥且无明显油膜,立即称重(记为B1),并进行质量平衡验证,确保|B1-(W1+W2)|<0.5 g,以确认操作过程无显著物料损失。随后,将包被后的饲料均匀平铺于3层吸油纸上恒温静置24 h,静置结束后再次称重(记为B2)。漏油率通过公式漏油率(%)=[(B1-B2)/B1]×100计算得出。所有样品均平行测定3次,结果取平均值。
此外,为探究后喷涂比例与油脂黏度对漏油率的交互影响,本研究选取了具有代表性的高、中、低黏度的3种油脂(黑水虻油2、豆油3、鱼油),分别设定5%、10%和15% 3个后喷涂比例(即油脂添加量分别为3.0、6.0、9.0 g,对应膨化颗粒饲料质量维持60.0 g不变)进行上述喷涂试验,以用于构建多变量漏油率预测模型。同时,选取其余8种不同油源在10%喷涂比例下的实测数据作为独立验证集,用于评估预测模型的准确性与泛化能力。
1.6 模型拟合与统计分析
修正的WLF模型:
lnμ= $\frac{\mathit{a}\mathit{T}}{(\mathit{b}+\mathit{T})}$ 。
式中:μ为黏度(mPa·s);a,b为常数;T为绝对温度(K)。
幂定律模型:
μ=k(T-Tref)n。
式中:μ为黏度(mPa·s);k,n为常数;T为绝对温度(K);Tref为273.15 K。
通过比较决定系数(coefficient of determination,R2)和标准估计误差(standard error of estimate,SEE),选择拟合优度最高的模型来描述温度对黏度的影响。采用线性回归(一次模型)、二次多项式回归以及对数回归模型,对黏度与漏油率的关系进行拟合。同样根据R2及SEE,选取最优模型进行分析与结果展示。采用均方根误差(root mean square error,RMSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)评估预测模型的准确性和泛化能力,RMSE越小表示预测精度越高,MAPE越小表示相对误差越小。RMSE和MAPE的计算公式如下:
RMSE= $\sqrt{\left[1\right./\mathit{n}\sum ({\mathit{y}}_{\mathit{i}}-{\widehat{\mathit{y}}}_{\mathit{i}}{)}^{2}]}$ ;
MAPE=1/n∑|(yi- ${\widehat{\mathit{y}}}_{\mathit{i}}$ )/yi|×100。
式中:yi为实测值; ${\widehat{\mathit{y}}}_{\mathit{i}}$ 为预测值;n为样本数量。
2 结果与分析
2.1 不同油脂在不同温度下的黏度
由表3可知,所有测试油脂样品的黏度均表现出对温度的显著依赖性,随温度从297.15 K (24 ℃)升高至333.15 K (60 ℃),各油脂的黏度均呈单调下降趋势;此外,不同油脂之间的黏度在低温下差异较大,随温度升高差异趋于减小。其中,黑水虻油2表现出最高的黏度,在297.15 K达到76.67 mPa·s,其次为棕榈油(60.23 mPa·s);与此形成鲜明对比的是,鱼油在所有温度下均呈现最低的黏度(在297.15 K时仅为5.80 mPa·s);其余大部分油脂样品,包括4种豆油、棉籽油、亚麻籽油及大麦虫油,在297.15 K时的黏度则处于39.30~52.83 mPa·s。上述结果表明油脂的来源和类型是决定其流变学特性的关键因素,这种由温度和油源共同决定的黏度差异,预计将直接影响后续真空喷涂过程中的包被效率以及饲料最终的漏油率。
表3 不同油脂在不同温度下的黏度Table 3 Viscosity of different oils at various temperatures |
| 项目 Items | 黏度Viscosity | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 297.15 K (24 ℃) | 303.15 K (30 ℃) | 313.15 K (40 ℃) | 323.15 K (50 ℃) | 333.15 K (60 ℃) | |||||||
| 豆油1 Soybean oil 1 | 49.73 | 40.02 | 30.86 | 26.22 | 19.75 | ||||||
| 豆油2 Soybean oil 2 | 52.83 | 43.27 | 32.03 | 24.26 | 20.38 | ||||||
| 豆油3 Soybean oil 3 | 49.91 | 40.18 | 30.08 | 23.29 | 19.92 | ||||||
| 豆油4 Soybean oil 4 | 48.10 | 36.39 | 29.60 | 22.80 | 16.01 | ||||||
| 鱼油Fish oil | 5.80 | 5.00 | 4.60 | 4.00 | 3.80 | ||||||
| 棉籽油Cottonseed oil | 47.07 | 40.27 | 30.08 | 23.39 | 16.98 | ||||||
| 亚麻籽油Linseed oil | 39.30 | 32.51 | 24.74 | 17.95 | 16.01 | ||||||
| 棕榈油Palm oil | 60.23 | 47.07 | 38.82 | 27.66 | 21.83 | ||||||
| 黑水虻油1 Black soldier fly larvae oil 1 | 47.55 | 41.73 | 32.99 | 22.80 | 17.95 | ||||||
| 黑水虻油2 Black soldier fly larvae oil 2 | 76.67 | 61.14 | 48.13 | 31.54 | 25.23 | ||||||
| 大麦虫油Superworm oil | 41.73 | 33.93 | 26.68 | 19.89 | 15.82 | ||||||
2.2 油脂的温度-黏度曲线模型拟合效果
如表4所示,2种模型对所有油脂样品的温度-黏度数据均表现出较好的拟合优度,模型对大部分油脂样品的R2在0.97以上,表明模型能很好地解释试验数据的变化。为了更直观地比较2种模型的整体性能,绘制了所有油脂样品拟合结果的R2和SEE的分布情况。如图1-A所示,2种模型的R2都非常接近1.0,差异不明显。然而,在评价模型预测精度的关键指标SEE上,幂律模型表现出明显优势。从图1-B可以看出,幂定律模型的SEE整体分布更低,且数据更为集中,表明其预测的误差更小、稳定性更高。综合比较,尽管2种模型均能有效拟合试验数据,但幂定律模型凭借其更低的平均SEE(1.49)和同样优异的平均R2(0.98),被选为描述本研究中油脂温度-黏度关系的最佳模型。从幂定律模型的参数(表4)来看,k(代表比例系数,反映了油脂的基础黏度水平)与297.15 K下的实测黏度有很强的正相关性(例如,黑水虻油2的k最高,鱼油的k最低);n(代表温度指数)均为负值,这与黏度随温度升高而降低的物理现象相符,其绝对值的大小反映了黏度对温度变化的敏感程度。
表4 不同模型对黏度-温度数据的拟合效果Table 4 Fitting performance of different models for viscosity-temperature data |
| 项目 Items | 修正的WLF模型Modified WLF model | 幂定律模型Power law model | |||||||
|---|---|---|---|---|---|---|---|---|---|
| a | b | R2 | SEE | k | n | R2 | SEE | ||
| 豆油1 Soybean oil 1 | 3.72 | -274.95 | 0.99 | 1.17 | 992.66 | -0.94 | 0.99 | 1.05 | |
| 豆油2 Soybean oil 2 | 3.55 | -277.42 | 0.99 | 1.24 | 1 447.24 | -1.03 | 0.99 | 0.82 | |
| 豆油3 Soybean oil 3 | 3.41 | -276.96 | 0.99 | 0.65 | 1 257.31 | -1.01 | 0.99 | 0.37 | |
| 豆油4 Soybean oil 4 | 3.04 | -278.00 | 0.97 | 2.04 | 1 444.00 | -1.07 | 0.98 | 1.83 | |
| 鱼油Fish oil | 0.95 | -247.01 | 0.97 | 0.14 | 24.78 | -0.46 | 0.98 | 0.12 | |
| 棉籽油Cottonseed oil | 3.36 | -276.45 | 0.97 | 2.26 | 1 207.99 | -1.01 | 0.98 | 1.89 | |
| 亚麻籽油Linseed oil | 2.78 | -276.43 | 0.98 | 1.16 | 955.36 | -0.99 | 0.99 | 0.96 | |
| 棕榈油Palm oil | 4.04 | -277.30 | 0.98 | 2.47 | 1 615.25 | -1.03 | 0.98 | 2.15 | |
| 黑水虻油1 Black soldier fly larvae oil 1 | 3.60 | -275.37 | 0.95 | 3.08 | 1 110.67 | -0.97 | 0.96 | 2.77 | |
| 黑水虻油2 Black soldier fly larvae oil 2 | 4.63 | -279.50 | 0.97 | 4.08 | 2 924.91 | -1.14 | 0.98 | 3.31 | |
| 大麦虫油Superworm oil | 2.93 | -276.48 | 0.98 | 1.33 | 1 026.53 | -1.00 | 0.99 | 1.05 | |
a和b是描述黏度温度依赖性的经验拟合常数,k代表比例系数,n代表温度指数,R2代表决定系数,SEE是标准估计误差。 | |
a and b are empirical fitting constants describing the temperature dependence of viscosity, k is the proportionality coefficient, n is the temperature exponent, R2 is the coefficient of determination, and SEE is the standard error of estimate. |
2.3 油脂漏油率
不同油脂的漏油率测定基于单一待测膨化颗粒饲料,测定结果(图2)显示,与2.1节中的黏度测试结果相对应,黏度最低的鱼油表现出最高的漏油率,达到4.10%;相反,初始黏度最高的黑水虻油2(2.84%)和棕榈油(2.92%)则表现出较低的漏油率;其余油源,包括各类豆油、棉籽油、亚麻籽油和大麦虫油,漏油率较为接近,集中在3.29%~3.43%。
2.4 基于油脂黏度及饲料储藏温度的漏油率预测模型构建
为了进一步量化关系,将各油脂在297.15 K(24 ℃,模拟实际喷涂后环境温度)下的黏度与对应的漏油率进行线性回归分析,结果如图3所示。线性回归分析表明,油脂黏度与饲料的漏油率之间存在极显著的负相关关系(P<0.01);线性回归模型表现出优异的拟合效果,其R2为0.893 2,该关系由以下回归方程描述:
L=-0.017 8 μ+4.170 6。
式中:L为预测的饲料漏油率(%);μ为油脂黏度(mPa·s)。
该回归方程系数的大小与待测饲料的结构、吸油能力有关,不同颗粒质量的饲料需要重新测定漏油率以调整系数大小。同时,提高油脂自身的黏度是降低喷涂后漏油率、增强油脂在饲料颗粒表面附着稳定性的关键物理因素。黏度越高的油脂,其流动性越差,在颗粒内部及表面的状态更倾向于维持稳定,从而有效减少因重力或颗粒摩擦导致的油脂损失。
通过将被选为最优的幂定律模型代入漏油率-黏度线性回归模型,可得到一个统一的、能够描述储藏温度(T)与最终漏油率(L)之间关系的综合预测模型。在颗粒质量保持稳定的情况下,该综合模型将漏油率与温度和油脂的固有物性参数(k和n)直接关联。该综合预测模型的最终表达式如下:
L=-0.017 8[k (T-Tref)n]+4.170 6。
式中:L为预测的饲料漏油率(%);T为饲料的储藏温度(K);Tref为参考温度,即0 ℃的绝对温度,其值为273.15 K;k, n为特定油源的幂定律模型参数(分别代表比例系数和温度指数),其数值取决于油脂的种类。
2.5 不同喷涂比例下油脂黏度对漏油率的交互影响及模型构建
为进一步量化实际生产中不同喷涂工艺参数的影响,本研究测试了代表性高、中、低黏度的油脂在不同后喷涂比例(5%、10%、15%)下的漏油率,结果如表5所示。
表5 不同黏度油脂在不同后喷涂比例下的漏油率Table 5 Oil leakage rates of oils with different viscosities under different post-coating ratios |
| 项目 Items | 黏度 Viscosity (24 ℃)/(mPa·s) | 后喷涂比例Post-coating ratios/% | ||
|---|---|---|---|---|
| 5 | 10 | 15 | ||
| 黑水虻油Black soldier fly larvae oil | 76.67 | 0.15±0.02 | 2.84±0.11 | 4.06±0.24 |
| 豆油Soybean oil | 49.91 | 0.21±0.02 | 3.42±0.08 | 6.22±0.29 |
| 鱼油Fish oil | 5.80 | 0.26±0.04 | 4.10±0.12 | 8.94±0.31 |
表5中数据表明,后喷涂比例和油脂黏度对漏油率具有交互影响:在5%的低后喷涂比例下,3种油脂的漏油率均极低(0.15%~0.26%),黏度差异未对漏油率产生明显影响;然而,当后喷涂比例提升至15%时,低黏度鱼油的漏油率增至8.94%,而高黏度黑水虻油仍能将漏油率控制在4.06%。这表明,提高油脂黏度可以抑制高后喷涂比例下大剂量油脂游离引发的渗漏风险。基于上述多变量数据,采用二阶多项式回归对漏油率(L)、后喷涂比例(P)及油脂黏度(μ)进行建模,剔除不显著项后,得到如下预测方程:
L=-4.991 0+0.037 6μ+1.031 4P-0.006 7μP-0.005 9P2
式中:L为预测的饲料漏油率(%);P为后喷涂比例(%);μ为油脂黏度(mPa·s)。
该预测方程的R2为0.99,交互项(μP)的系数为负值(-0.006 7),从数学原理上印证了“高黏度能抵消高喷涂比例带来的漏油增加”这一物理机制。进一步,将幂定律模型代入该方程,即可得到考虑不同后喷涂比例下的油脂漏油率预测模型:
L=-4.991 0+0.037 6[k(T-Tref )n]+1.031 4P-0.006 7[k(T-Tref)n]P-0.005 9P2。
式中:L为预测的饲料漏油率(%);P为后喷涂比例(%);T为饲料的储藏温度(K);Tref为参考温度,即0 ℃的绝对温度,其值为273.15 K;k, n为特定油源的幂定律模型参数(分别代表比例系数和温度指数),其数值取决于油脂的种类。
为评估上述综合预测模型在实际未知油脂样品中的泛化能力,将未参与建模的8种油脂在10%后喷涂比例、24 ℃条件下的实测漏油率与模型的预测值进行对比,验证结果如图4所示。由于剔除了两端的黑水虻油2和鱼油后验证集样本的漏油率波动范围较窄(2.84%~4.10%),R2对因变量方差幅度高度敏感,不适合作为该验证场景的准确性指标,因此以RMSE和MAPE作为模型泛化能力的评价依据,模型的RMSE为0.134 8,MAPE为3.42%,所有验证样本的预测偏差绝对值均控制在0.25%以内,且正负偏差分布较为均匀,未表现出明显的系统性偏倚,表明该模型在实际应用场景中具有较高的预测精度和良好的泛化能力。
3 讨论
本研究证实了油脂黏度是决定膨化颗粒饲料后喷涂稳定性的核心流变学参数。回归分析显示漏油率与黏度呈极显著负相关。油脂黏度差异本质上源于各油脂脂肪酸组成的分子结构特性,鱼油富含多不饱和脂肪酸,其碳链中大量的顺式双键造成了分子构型的空间卷曲,这种不规则结构破坏了分子间的紧密堆积并削弱了分子间范德华力,从而在宏观上表现为极低的动力黏度[27-28]。相反,黑水虻油和棕榈油含有高比例的饱和脂肪酸,其线性的碳链结构有利于分子规则排列和高密度堆积,显著增强了流体分子的内摩擦力[29-30],使其在常温下呈现高黏度甚至半固态特征。漏油率与黏度的负相关性可由多孔介质流体力学理论解释。膨化饲料颗粒内部具有高度连通的微孔网络结构,油脂在其中的迁移行为受毛细管压力和重力的双重驱动。根据Washburn方程的变体及其在多孔介质中的应用[31],液体的渗透或迁移速率(dh/dt)与流体的动力黏度(η)成反比[32]。高黏度油脂(如本研究中的黑水虻油和棕榈油)由于其分子间内摩擦力大,在颗粒孔隙网络中流动时面临巨大的流体动力学阻力。这种高阻力在仓储阶段有效锁定了油脂,极大地延缓了由重力引起的逆向迁移(即渗油),而正向迁移(喷涂阶段)中这种高阻力对于油脂渗透是负面作用,产业端通过升高喷涂温度,使脂质分子的动能增加,降低黏度并增加迁移速率,降低渗透难度。而低黏度鱼油由于缺乏足够的黏滞阻力,迁移速率高,虽无需升温即可喷涂至饲料颗粒孔隙内部,但极易在孔隙通道中发生滑移和渗出,导致高漏油率。
除了黏度这一核心驱动力外,实际流体体系中伴生的其他物性特征也值得进一步探讨,它们可能为高黏度油脂的优异表现提供了额外的物理支持。值得注意的是,本研究中表现最佳的黑水虻油属于粗油,其高黏度特性往往伴随着微量胶体或悬浮颗粒(如几丁质碎片)的存在。相关研究表明,这些微细颗粒在多孔介质流动中倾向于形成“物理堵塞”效应,这可能在微观层面上辅助阻断了油脂的流出通道,与宏观黏度形成协同增效[33-35]。此外,关于密度[36]和表面张力[37]的理论分析表明,虽然它们是影响毛细管压力和重力势能的基础参数,但在本研究涉及的常见饲料油脂中,这2项指标在饲料级的变异幅度远小于黏度的数量级差异[38]。因此,将目光聚焦于黏度变化足以解释绝大部分的漏油率差异,而杂质等伴生因素则可视为对特定油源(如昆虫油)固油能力的补充贡献。在喷涂比例方面,当后喷涂比例升高至15%时,颗粒表层孔隙趋于饱和,多余油脂被迫滞留于颗粒表面或大孔径通道中,此时重力势能主导了油脂的渗出行为,流体内部的黏滞阻力成为阻止漏油的唯一屏障。正如模型中负向的交互项系数所指示的,在此极端条件下,高黏度油脂(如黑水虻油)凭借其强大的分子间内摩擦力,有效抵抗了重力驱动的滑移,展现出了远优于低黏度鱼油的固持能力。
本研究构建的“温度-黏度-漏油率”综合模型不仅验证了理论假设,更具有显著的工程应用价值,它将抽象的漏油风险成功量化为可测量的流变学参数(k、n),并根据不同喷涂比例条件进行调整。在饲料原料日益多元化的背景下,该模型首先为油源的准入与替代提供了高效的评估工具;当企业计划引入微藻油或新型昆虫油替代传统鱼油时,无需进行耗时且昂贵的喷涂中试,只需测定新油源的流变参数并代入模型,即可快速预判其在特定储藏条件下的稳定性表现,大幅降低研发试错成本。此外,该模型还为生产过程中的动态工艺控制提供了量化依据,特别是针对环境温度这一关键变量。例如,在夏季高温或热带地区生产时,若模型预警低黏度油脂(如豆油)的漏油风险超出阈值,生产端可据此迅速决策,采取降低喷涂温度、延长冷却时间,或与高熔点油脂(如棕榈油)复配以提高体系黏度等主动干预措施,从而确保最终产品质量的均一性与稳定性。
4 结论
本研究系统揭示了油脂黏度是决定膨化颗粒饲料后喷涂稳定性的关键物理指标,二者之间存在极显著的负相关关系,高黏度油脂表现出优异的固持能力。在所测典型油脂中,固油能力由高到低为黑水虻油>棕榈油>豆油>鱼油,表明黑水虻油和棕榈油是替代低黏度鱼油、提升产品外观质量的理想选择。本研究还构建了整合特征流变参数(k、n)、储藏环境温度及后喷涂比例的综合预测模型,该模型可为饲料加工行业优化油脂配方、改进喷涂工艺及保障产品质量提供重要的理论依据与技术参考。
京公网安备 11010802041926号
