مدل‌سازی سفتی بافت و سینتیک خشک شدن میوه "به" در خشک‌کن همرفتی مادون قرمز توسط شبکه عصبی مصنوعی

نشریه پژوهشهای علوم و صنایع غذایی ایران

مقاله 7، دوره 15، شماره 4 - شماره پیاپی 58، مهر و آبان 1398، صفحه 465-475   

نوع مقاله: مقاله پژوهشی فارسی

شناسه دیجیتال (DOI): 10.22067/ifstrj.v15i4.76323

نویسندگان

امیر گیتی بان کلجاهی؛ نارملا آصفی^*

گروه مهندسی علوم وصنایع غذایی، دانشگاه آزاد اسلامی واحد تبریز، تبریز، ایران.

چکیده

"به "یکی از میوه‌های سرشار از مواد معدنی و ویتامین بوده و یکی از راه­های نگهداری این محصول خشک کردن می­باشد. امروزه شبکه­های عصبی مصنوعی در مد‌ل‌سازی پارامترهای خشک کردن در حال رشد و توسعه است. پژوهش حاضر با هدف مدل‌سازی سفتی بافت و زمان خشک شدن میوه به توسط شبکه عصبی انجام گردید. آزمایش­های خشک کردن توسط خشک کن همرفتی مادون قرمز در سه توان 400، 800 و 1200 وات و جریان هوای ثابت 5/0 متر بر ثانیه تا رسیدن به رطوبت ثابت 22% بر پایه مرطوب، خشک گردید. به‌منظور مدل‌سازی از شبکه عصبی چندلایه (MLP) با توابع آستانه مختلف، تعداد نورون مختلف و الگوریتم آموزش لونبرگ – مارکوارت برای آموزش شبکه­ها استفاده گردید. نتایج نشان داد که شبکه عصبی با ساختار (2-7-3) با توابع آستانه لگاریتمی با ضریب تعیین (9980/0 و 9867/0) به‌ترتیب برای زمان خشک شدن و سفتی بافت و مقدار میانگین مربعات خطا (008881/0 و 0009693/0) در مقایسه با سایر ساختارهای شبکه، نتایج بهتری را ارائه می­کند.

کلیدواژه‌ها

میوه "به"؛ زمان خشک کردن؛ سفتی بافت؛ مدل سازی؛ شبکه عصبی مصنوعی

مراجع

Adak, N., Heybeli, N., and Ertekin, C. 2017. Infrared drying of strawberry. Journal of Food Chemistry, 219, 109-116.

Bonazzi, C., and Dumoulin, E. 2011. Quality Changes in Food Materials as Influenced by Drying Processes. Modern Drying Technology Volume 3: Product Quality and Formulation, First Edition. Wiley-VCH Verlag GmbH & Co. KGaA.

Bowers, J.A., and Shedrow, C.B. 2000. Predicting stream water quality using artificial neural networks. WSRC-MS-2000-00112.

Emam Jomeh, Z., and Alaedini, B. 2005. Improvement of dry kiwi indexes and their formulation using osmotic pre-process. Iranian Journal of Agricultural Science, 36, 1421-1427.

Khosh Taghaza, M., Hosein Zadeh, B., Fayazi, A., and Amirnejat, H. 2005. Prediction of Moisture Content Drying of Thin Fungal Layer by Artificial Neural Networks after Release. Quarterly Journal of Food Science and Technology, 50, 171-182.

Meeso, N., Nathakaranakule, A., Madhiyanon, T. H., and Soponronnarit, S. 2004. Influence of FIR irradiation on paddy moisture reduction and milling quality after fluidized bed drying. Journal of Food Engineering, 65, 293-301.

Mohebbi, A., Taheri, M., and Soltani, A. 2008. A neural network for predicting saturated liquid density using a genetic algorithm for pure and mixed refrigerants. International Journal of Refrigeration, 31 (8), 1317–1327.

Ozdemir, M.B., Aktas, M., Sevik, S., and Khanlari, A. 2017. Modeling of a convective-infrared kiwifruit drying process. International Journal of Hydrogen Energy, 42, 18005-18013.

Ozdemir, M., Ozen, B.F., Dock, L.L., and Floros, J.D. 2008. Optimization of osmotic dehydration of diced green peppers by response surface methodology, Food Science and Technology, 26, 1-7.

Silva, B.M., Andrade, P.B., Martins, R.C., Valentao, P., Ferreres, F., Seabra, R.M., and Ferreira, M.A. 2004. Quince (Cydonia oblonga Miller) fruit characterization using principal component analysis. Journal of Agricultural and Food Chemistry, 53, 111-122.

Soleimani, J., Emam Jomeh, Z., and Ghasem zadeh, H. 2007. Pre-treatment of hot-air dried carrots by osmotic dehydration. Research and development in agriculture and horticulture, 101-109.

Tavakolipour, H. 2001. Drying food principles and methods. Aizh Publishing, 1, 108-126.

Togrul, I. T., and Pehlivan, D. 2004. Modeling of thin layer drying kinetics of some fruits under open-air sun drying process. Journal of Food Engineering, 65, 413-425.

Tortoe, C. 2010. A review of osmodehydration for the food industry. African Journal of Food Science, 4(6), 303-324.

Tripathy, P.P., and Kumar, S. 2008. Neural network approach for food temperature prediction during solar drying. International journal Thermal Sciences, 48, 1452-1459.

Yousefiyan, H., Razdari, A.M., Sihoun, M., and Kiani, H. 2016. Determine the optimal conditions response surface method and compared with neural network and regression methods of drying potatoes irradiated with gamma rays. Journal of Food Science and Technology, 59(13), 1-12.