کاربرد شبکه عصبی مصنوعی در پیش بینی میزان چروکیدگی خرما رقم مضافتی در طی فرآیندخشک کردن

یکی از مهم ترین تغییرات فیزیکی که در زمان خشک شدن مواد غذایی همراه با نفوذ رطوبت به خارج از ماده غذایی رخ می دهد، کاهش حجم پوسته خارجی یا چروکیدگی می باشد. به منظور پیش بینی میزان چروکیدگی خرما رقم مضافتی، با استفاده از شبکه عصبی مصنوعی، آزمایش های خشک شدن در سه سطح دمایی50و65و80درجه سلسیوس و سه سطح سرعت جریان هوا 1و 1/5و 2متر بر ثانیه در سه تکرار در خشک کن کابینتی آزمایشگاهی انجام شد. در این تحقیق از شبکه عصبی پرسپترون چند لایه با الگوریتم یادگیری لونبرگ-مارکوارت و توابع آستانه خطی و سیگموئیدی برای مدل سازی چروکیدگی استفاده شد. شبکه مورد نظر با سه نرون در لایه ورودی دمای هوای خشک کن، سرعت هوای داغ، زمان خشک شدن( و یک نرون در لایه خروجی )چروکیدگی طراحی شد. بهترین توپولوژی 3-6-7-1باالگوریتم یادگیری LM و تابع آستانه Tansigبا ضریب همبستگی0/9956وخطای MSE0/00032بود

کلیدواژه ها:

چروکیدگی ، خرمای مضافتی ، شبکه عصبی مصنوعی ، خشک کردن