بررسی تأثیر توان مایکروویو بر نفوذ رطوبت و سینتیک خشک شدن باقلا: مطالعه آزمایشگاهی و مدلسازی | ||
| مجله علوم و صنایع غذایی ایران | ||
| Article 15, Volume 21, Issue 155, 1403, Pages 213-224 PDF (415.03 K) | ||
| DOI: 10.22034/FSCT.21.155.213 | ||
| Authors | ||
| فخرالدین صالحی* 1; سارا قزوینه2; مصطفی امیری2 | ||
| 1دانشیار، گروه علوم و صنایع غذایی، دانشکده صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران | ||
| 2دانشجوی کارشناسی، گروه علوم و صنایع غذایی، دانشکده صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران | ||
| Abstract | ||
| در این پژوهش، تأثیر توان مایکروویو بر رفتار خشکشدن و نفوذ رطوبت باقلا (بدون پوست) بررسی شد. نمونههای تازه بهصورت تک لایه در چهار سطح توان مختلف (220، 330، 440 و 550 وات) خشک شدند. نتایج نشان داد که زمان فرآیند بهطور معنیداری با افزایش توان، کاهش مییابد (05/0>p). شش مدل سینتیکی برای شبیهسازی سینتیک خشککردن آزمایشگاهی بررسی شدند و مدل میدیلی بهترین عملکرد را نشان داد. میانگین نفوذ مؤثر رطوبت در محدوده 9-10×92/1 مترمربع بر ثانیه تا 9-10×16/5 مترمربع بر ثانیه محاسبه شد و با افزایش توان مایکروویو بهطور معنیداری افزایش یافت (05/0>p). میانگین نسبت آبگیری مجدد باقلای خشکشده از 12/239 درصد به 05/325 درصد تغییر کرد و با افزایش توان مایکروویو افزایش یافت. همچنین در این مطالعه از روش الگوریتم ژنتیک-شبکه عصبی مصنوعی برای پیشبینی نسبت رطوبت باقلا استفاده شد. ساختار این شبکه دو ورودی توان مایکروویو و زمان تیماردهی داشت. شبکه بهینه دارای 10 نورون در لایه پنهان قادر به پیشبینی نسبت رطوبت باقلا با ضریب تبیین برابر 994/0 بود. نتایج آنالیز حساسیت نشان داد که زمان تیماردهی حساسترین عامل در پیشبینی نسبت رطوبت باقلا است. در مجموع، پیشبینیهای مدل الگوریتم ژنتیک-شبکه عصبی مصنوعی با مجموعه دادههای ارزیابی مطابقت زیادی داشت و برای درک و کنترل عوامل مؤثر بر سرعت خشکشدن باقلا در طول خشککردن با مایکروویو مفید است. | ||
| Keywords | ||
| آبگیری مجدد; الگوریتم ژنتیک; شبکه عصبی مصنوعی; مدل میدیلی; نفوذ مؤثر رطوبت | ||
| References | ||
|
| ||
|
Statistics Article View: 279 PDF Download: 86 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,566 |
| Article View | 19,675,681 |
| PDF Download | 15,938,292 |