جستجو در مقالات منتشر شده
۱ نتیجه برای امیرنجات
دوره ۱۳، شماره ۵۰ - ( ۱-۱۳۹۵ )
چکیده
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° ۴۰، ۵۰ و ۶۰ و سه سطح سرعت جریان باد m/s ۵/۰، ۷/۰ و ۱ خشک‌شده تا محتوای رطوبتی آن به ۱۰% (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 ۹۷/۰ و مجموع مربعات خطای ۰۷۱/۰ و همچنین شبکه عصبی با ساختار ۱-۱۸-۲۰-۳ 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.
