导读：
近期，中国农业科学院烟草研究所杨金广研究员团队发表综述，系统阐述了创新型微胶囊技术在先进材料、纺织与食品工业中的前沿应用。该文不仅详尽分析了多种微胶囊制备方法的优劣，还引入机器学习模型以揭示关键参数间的复杂关系，为精准设计与优化微胶囊性能提供了新范式。相关研究成果以“A novel machine learning model for innovative microencapsulation techniques and applications in advanced materials, textiles, and food industries”为题，发表在期刊《Renewable and Sustainable Energy Reviews》上。
本文要点：
1、本文综述了微胶囊化技术的最新进展及其在先进材料、纺织和食品工业中的创新应用。
2、微胶囊能够封装相变材料、催化剂、腐蚀抑制剂等活性物质，从而开发出具有增强热管理、催化活性和耐腐蚀性能的新型功能材料。
3、文章深入探讨了多种微胶囊化技术，包括喷雾干燥、乳液法以及微流控、气溶胶等新兴方法，分析了各自的优缺点及适用性。
4、此外，该综述还展示了微胶囊的最新趋势与未来前景，包括与智能材料的集成、绿色可持续封装工艺的应用，以及愈发凸显的个性化与定制化趋势。
5、此外，本研究还利用人工神经网络模型分析了影响生物降解率、压缩强度和硬度的参数间相互关系，并通过线性回归验证了预测准确性，旨在全面展示微胶囊化技术跨行业的变革潜力。
一张图读懂全文
主要微囊化方法对比
图1. 原位聚合法中胶囊壳的形成阶段
图2. 微胶囊粒径分布随乳化速度变化的趋势
图3. 层层聚集法中胶囊壳的形成阶段
图4. 本体法中胶囊壳的形成阶段
图5. 内相分离法中胶囊壳的形成阶段
图6. 芯壳比的优缺点
图7. 针对目标胶囊尺寸和分布选择最佳乳化速度
图8. 采用非溶剂气体的微胶囊制造工艺
图9. 采用流化床包衣法的微胶囊形成过程。
图10. 自修复方法分类：A）胶囊型材料；B）血管型模型；C）固有自修复材料。
图11. 展示采用溶剂蒸发法以聚甲基丙烯酸甲酯（PMMA）包封材料的过程。
图12. 含隐藏层的人工神经网络（ANN）示意图。该网络包含一个具有5个神经元的隐藏层，以孔隙率百分比和骨生长百分比作为输入，来预测生物降解率、压缩强度和硬度。这代表了一种基于磷酸三钙组织响应的新型生物陶瓷方法。
图13. 人工神经网络对测试材料生物降解率的预测：a）正视图；b）侧视图。
图14. 人工神经网络对测试材料硬度的预测：a）正视图；b）侧视图。
图15. 用于检验本研究构建的人工神经网络误差的线性回归图：a）生物降解率；b）抗压强度；c）硬度。
论文链接：https://doi.org/10.1016/j.rser.2025.116082
(本文仅供参考学习及传递微流控研究成果，版权归原作者所有，如侵犯权益，请联系删除)
