作为自然界第二丰富的天然高分子原料,淀粉及其衍生物已广泛应用在食品、医药、纺织和化工等领域。相变是淀粉体系中组分形态、超分子结构、多组分构效关系和行为响应的直观表达,可为新产品的研发及品质改善提供预测和理论指导。热台-偏光显微镜观察法是一种对淀粉相变行为进行在线研究的重要方法。然而传统的研究手段主要是通过在线数据采集和线下人工处理的方法对相变进程中淀粉的颗粒形态、溶胀能力、糊化特性等变化进行定量分析,存在时间消耗长、主观判定误差大等缺陷,而且无法对关键转变点进行在线即时界定和精准评估。如何使用更多元化的定量分析指标与智能化分析手段相结合的方式,实现对淀粉结构和相变行为的深入表征及调控已成为国内外研究的热点及突破口。本文在传统的显微镜观察和表征技术基础上,开发和设计出基于淀粉特征变化的人工智能算法模型(神经网络、边缘检测和数学形态学处理),通过研究相变过程中淀粉形态结构和光学结构特征的变化,构建出可对淀粉相变行为进行在线检测和结果评估的新型研究方法和体系,进而实现反应过程中淀粉形态结构和反应行为精准调控,主要研究结果如下:1.机器学习在淀粉溶胀特性研究中的应用:由于淀粉在正常光下呈现独特的透明、不规则颗粒形态,传统图像处理技术和软件无法对淀粉的颗粒形态和溶胀特性进行定量分析。本文采用Canny边缘检测和形态学处理两种机器学习算法联用的方式,对淀粉外部轮廓进行精准识别,并通过检测整体颗粒面积变化,建立了淀粉溶胀进程的智能化评估体系。2.淀粉糊化特性智能检测体系的建立:基于淀粉糊化过程中双折射特征的变化,将热台-偏光显微观察技术与卷积神经网络结合,开发出可对双折射特征在线检测、定位和分类的卷积神经网络算法模型Starch-SSD,利用该算法模型对淀粉的转变温度及糊化度等指标进行人工智能检测,相关评估可在4 s内完成。3、淀粉相变过程中在线调控体系的设计及构建:在淀粉溶胀进程智能化分析体系和新型淀粉糊化行为评估方法Starch-SSD的研究基础上,结合模糊逻辑控制器理论将传统的热台温度控制系统改进和优化,开发出可对淀粉糊化程度(Degree of gelatinizaiton,缩写DG)进行在线调控的DG控制体系,并对不同反应程度淀粉的颗粒形态、相变特性对比分析。