مه رخ حاتمیان - دانشجوی کارشناسی ارشد، گروه علوم و مهندسی صنایع غذایی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ایران
محمد نوشاد - استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران
سامان آبدانان مهدی زاده - استادیار، گروه مکانیک بیوسیستم، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران
حسن برزگر - دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده علوم دامی و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران

هدف از پژوهش حاضر مد سازی هوشمند بافت نان به روش غیر مخرب صوتی- مکانیکی می باشد. بدین منظور بافت نان غنی شده با ۳ درصد مختلف چیا اصلاح شده (۵/۲، ۵، ۵/۷ درصد) توسط دستگاه بافت سنج با سرعت آزمون ۳ میلی متر در ثانیه تا ۳۰ درصد فشردگی و در شرایطی که میکروفون در فاصله ۵ سانتی متری از نمونه ها و در زاویه ۴۵ درجه نسبت به افق قرار داشت مورد ارزیابی قرار گرفت. از صدای ذخیره شده در خلال بارگذاری ویژگی های میانگین شدت صوت، بیشترین مقدار صدا، واریانس، انحراف معیار، میانگین جذر قدر مطلق، جذر میانگین مربعات، چولگی، چقرمگی، ممان پنجم، ممان ششم، انرژی، آنتروپی در حوزه زمان، آنتروپی طیفی و فرکانس طبیعی در حوزه فرکانس استخراج شدند. بعد از انتخاب مناسب ترین ویژگی ها (بیشترین مقدار صدا، واریانس، انحراف معیار، میانگین جذر قدر مطلق سیگنال، انرژی، آنتروپی و فرکانس طبیعی) بر اساس آنالیز آماری، شبکه عصبی مصنوعی با ۳ الگوریتم (لونبرگ مارکوارت، شیب توام مقیاس شده، سرعت یادگیری متغیر) با ۷ نرون در لایه ورودی (متناسب با ویژگی های انتخاب شده) و ۳ نرون در لایه خروجی (سفتی، چسبندگی، قابلیت جویدن) آموزش و مورد آزمون قرار گرفت. بر اساس نتایج مشخص گردید که خطای آموزش در الگوریتم لونبرگ- مارکوارت نسبت به سایر الگوریتم ها کمتر بود و خطای جذر میانگین مربعات مرحله آزمون این الگوریتم به ترتیب برای پیش گویی سفتی، قابلیت جویدن و چسبندگی ۱۴/۰، ۲۳/۰ و ۳۳/۰ بدست آمد که نشان از توانایی روش پیشنهادی در پیش گویی کیفیت نان دارد.

بافت, ویژگی های صوتی, انبارمانی, نان, چیای اصلاح شده