استحصال بیوکامپوزیت کیتوزان از ضایعات محصولات شیلاتی با استفاده از تکنولوژی الگوریتم خوشه بندی یادگیری ماشین

امروزه استفاده از ضایعات صنایع شیلاتی به عنوان منبعی ارزشمند برای استحصال بیوپلیمرها مورد توجه قرار گرفته است. در این پژوهش با بهره گیری از الگوریتمهای خوشه بندی یادگیری ماشین، روشی نوین برای استحصال بهینه بیوکامپوزیت کیتوزان از ضایعات ماهی و میگو ارائه شده است. نمونه های ضایعات از پنج گونه مختلف آبزیان جمع آوری و پس از آماده سازی اولیه، داده های مربوط به ترکیب شیمیایی، مورفولوژی و خصوصیات فیزیکی آنها استخراج گردید. الگوریتم K-means با معیار فاصله اقلیدسی و الگوریتم خوشه بندی سلسله مراتبی DBSCAN برای طبقه بندی نمونه ها بر اساس پتانسیل تولید کیتوزان با خصوصیات بهینه استفاده شد. نتایج نشان داد که خوشه بندی نمونه ها به پنج دسته مجزا، امکان پیشبینی پارامترهای بهینه استخراج را تا ۸۷٪ افزایش میدهد. بیوکامپوزیت کیتوزان تولیدی با این روش، درجه استیل زدایی بالاتر (۸۵٪) و وزن مولکولی کنترل شده تری ۱۲۰-۱۵۰ کیلودالتون را نسبت به روشهای سنتی نشان داد. همچنین، مصرف انرژی و مواد شیمیایی در فرآیند استخراج به میزان %۲۶ کاهش یافت. یافته های این پژوهش، کاربرد موفقیت آمیز الگوریتمهای خوشه بندی را در بهینه سازی فرآیند استخراج بیوکامپوزیتهای زیستی از منابع ضایعاتی نشان میدهد.

کلیدواژه ها:

کیتوزان ، بیوکامپوزیت ، الگوریتم خوشه بندی