بررسی کارایی شبکههای عصبی مصنوعی در پیشبینی ویژگیهای فیزیکی، رئولوژیکی و رنگسنجی نانوذرات کیتوزان | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 6, Volume 18, Issue 113, 1400, Pages 77-90 PDF (2.36 M) | ||
| DOI: 10.52547/fsct.18.113.77 | ||
| Authors | ||
| الهام آلحسینی1; سید مهدی جعفری* 2; هدی شهیری طبرستانی3 | ||
| 1گروه مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| 2استاد، گروه مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| 3استادیار، گروه شیمی مواد غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران | ||
| Abstract | ||
| تشکیل نانوذرات کیتوزان با پایداری بالا به منظور استفاده در سیستمهای تحویل مواد مغذی و دارویی، همچنان یک چالش عمده در صنایع غذایی و دارویی است. همچنین متغیرهای زیادی میتوانند اندازه، مورفولوژی و سایر ویژگیهای نانوذرات کیتوزان را در طی فرایند ژلهای شدن یونی و با استفاده از سدیم تریپلیفسفات (به عنوان متداولترین عامل اتصال عرضی)، تحت تأثیر قرار دهند. لذا در این پژوهش، پس از تولید نانوذرات کیتوزان تحت تأثیر متغیرهای مستقل غلظت کیتوزان، غلظت سدیم تریپلیفسفات و نسبت کیتوزان به سدیم تریپلیفسفات، در گام بعدی، ویژگیهای فیزیکی، رئولوژیکی، کدورت و رنگسنجی نانوذرات تولیدی مورد اندازهگیری قرار گرفتند. در نهایت، از دو شبکه عصبی مصنوعی مدل پرسپترون چند لایه و شبکه تابع پایهی شعاعی با یک لایه پنهان و با توابع آستانه، الگوریتمهای یادگیری و ... مختلف، به منظور پیشبینی ویژگیهای نانوذرات کیتوزان استفاده شد. نتایج نشان داد که شبکه عصبی پرسپترون چند لایه برای ویژگیهای فیزیکی، ویسکوزیته، شاخص b* و chroma و شبکه تابع پایه شعاعی برای دیگر ویژگیهای مورد بررسی (با بکارگیری الگوریتم یادگیری لونبرگ- مارکوارت و تعداد تکرار 1000)، قادر به پیشبینی آنها با ضرایب تعیین بسیار بالا و میانگین مربعات خطای پایین بود. ضرایب تعیین برای اندازه نانوذرات، شاخص پراکندگی، پتانسیل زتا، ویسکوزیته و ضریب هدایت الکتریکی سوسپانسیونهای نانوذرات کیتوزان به ترتیب برابر با 9881/0، 9534/0، 9431/0، 9212/0 و 9636/0 بودند. این در حالی بود که شبکهی تابع پایه شعاعی با یک لایه پنهان، چیدمانی با 3 ورودی، 4 نرون در لایه پنهان و 3 خروجی، با تابع انتقال سیگموئید- سیگموئید، بهترین نتیجه را برای پیشبینی ویژگیهای L*، ΔE و WI سوسپانسیونهای نانوذرات کیتوزان داشت. ضرایب تعیین برای پیشبینی L*، ΔE و WI نانوذرات کیتوزان به ترتیب برابر با 9586/0، 9775/0 و 9457/0بودند. همچنین شاخص رفتار جریان سوسپانسیونهای نانوذرات کیتوزان کمتر از 1 بود که نشان دهنده رفتار سودوپلاستیک نمونهها بود. | ||
| Keywords | ||
| نانوذرات کیتوزان; مدل پرسپترون چند لایه; مدل تابع پایه شعاعی; ویژگیهای فیزیکی; پارامترهای رنگسنجی | ||
| References | ||
|
| ||
|
Statistics Article View: 277 PDF Download: 188 |
||
| Number of Journals | 45 |
| Number of Issues | 2,174 |
| Number of Articles | 24,685 |
| Article View | 25,080,868 |
| PDF Download | 17,779,188 |