خوش تقاضا, محمدهادی, حسین زاده سامانی, بهرام, فیاضی, ابراهیم, امیرنجات, حامد (2016). پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار. , 13(50), 171-182.
محمدهادی خوش تقاضا; بهرام حسین زاده سامانی; ابراهیم فیاضی; حامد امیرنجات. "پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار". , 13, 50, 2016, 171-182.
خوش تقاضا, محمدهادی, حسین زاده سامانی, بهرام, فیاضی, ابراهیم, امیرنجات, حامد (2016). 'پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار', , 13(50), pp. 171-182.
خوش تقاضا, محمدهادی, حسین زاده سامانی, بهرام, فیاضی, ابراهیم, امیرنجات, حامد پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار. , 2016; 13(50): 171-182.

پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار

مجله علوم و صنایع غذایی ایران
Article 16, Volume 13, Issue 50, 1395, Pages 171-182    PDF (685.3 K)
Authors
محمدهادی خوش تقاضا* 1; بهرام حسین زاده سامانی2; ابراهیم فیاضی3; حامد امیرنجات3
1دانشیار گروه مکانیک ماشین‌های کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس
2استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهر کرد
3دانش‌آموخته کارشناسی‌ارشد مکانیک ماشین‌های کشاورزی، دانشگاه تربیت مدرس.
Abstract
چکیده قارچ خوراکی دکمه‎ای (Agaricus bisporus) به‌عنوان منبع غذای پرپروتئین و کم‌کالری و همچنین مصارف دارویی، امروزه بسیار موردتوجه قرارگرفته است. با افزایش بیش‌ازپیش تولید قارچ خوراکی نیاز به انبارداری، افزایش ماندگاری، کاهش ضایعات و استفاده از قارچ خشک‌شده بیشتر احساس می‌شود. به همین جهت خشک‌کردن این محصول به‌عنوان یکی از راهکارهای عملی همواره مطرح می‌باشد. امروزه با توجه به مزایای فناوری هوش مصنوعی استفاده از شبکه­های عصبی مصنوعی در سطح وسیعی برای شبیه‌سازی و پیش‌بینی پارامترهای موردنیاز در فرایندهای خشک‌کردن در حال رشد و توسعه است. هدف از انجام این تحقیق پیش‌بینی محتوای رطوبتی قارچ خوراکی دکمه­ای به کمک شبکه عصبی مصنوعی پس انتشار می‌باشد. در این تحقیق قارچ خوراکی دکمه­ای به‌صورت لایه‌نازک با استفاده از خشک‌کن هوای داغ در سه سطح دما C° 40، 50 و 60 و سه سطح سرعت جریان باد m/s 5/0، 7/0 و 1 خشک‌شده تا محتوای رطوبتی آن به 10% (بر پایه وزن خشک) برسد. مدل­های رگرسیونی و شبکه عصبی پیشرو با الگوریتم­های یادگیری لونبرگ- مارکوارت (trainlm) برای تخمین و پیش‌بینی میزان رطوبت لایه‌نازک قارچ استفاده شد. نتایج نشان داد که مدل رگرسیونی درجه دوم کامل با ضریب تبیین 97/0 و مجموع مربعات خطای 071/0 و همچنین شبکه عصبی با ساختار 1-18-20-3 با توابع آستانه سیگموئید و لگاریتمی در مقایسه با توپولوژی‌های دیگر نتایج بهتری را ارائه می‌کنند و دارای دقت قابل قبولی در تخمین رطوبت لایه‌نازک قارچ در هنگام خشک شدن دارد.
Keywords
کلید واژگان: قارچ خوراکی دکمه‌ای; خشک‌کردن; محتوای رطوبتی; شبکه عصبی مصنوعی
References
Statistics
Article View: 199
PDF Download: 118
Statistics
Number of Journals45
Number of Issues2,174
Number of Articles24,684
Article View25,072,176
PDF Download17,774,146