نویسندگان: ابراهیم فیاضی ، محمد کاظمی ، محمدهادی خوش تقاضا ، حامد امیرنجات
خلاصه مقاله:
قارچ خوراکی دکمه ای Agaricus bi sporus به عنوان منبع غذای پر پروتئین و کم کالری و همچنین مصارف دارویی، امروزه بسیار مورد توجه قرار گرفته است. با افزایش بیش از پیش تولید قارچ خوراکی نیاز به انبارداری، افزایش ماندگاری، کاهش ضایعات و استفاده از پودر قارچ بیشتر احساس می شود. به همین جهت خشک کردن این محصول به عنوان یکی از راهکارهای عملی همواره مطرح م یباشد. امروزه با توجه به مزایای فناوری هوشمصنوعی استفاده از شبکههای عصبی مصنوعی در سطح وسیعی برای شبیهسازی و پیشبینی پارامترهای مورد نیاز در فرایندهای خشک کردن 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 به صورت لایه نازک با استفاده از خشککن جریان عمودی هوای داغ در سه سطح دما40و50و60 و سه سطحسرعت جریان باد 0/5و0/7 m/s و 1 خشک شده تا محتوای رطوبتی آن ثابت و به 1% (بر پایه خشک) برسد شبکههای عصبی پیشرو برای تخمین میزان رطوبت قارچ با الگوریتمهای یادگیری لونبرگ- مارکوارت trainlm) برای آموزش الگوها بکار گرفته شد. مقایسه ضریب تعیین MSE وR2نشان داد که شبکه عصبی با ساختار1-18-20-3 با تابع آستانه سیگموئید و لگاریتمی در مقایسه با توپولوژی های دیگر نتایج بهتری را ارائه م یکند، که مقدار ضریب تعیین 1 و MSE آن 0/0001 می باشد.
کلمات کلیدی: قارچ خوراکی دکمه ای ، خشک کردن، محتوای رطوبتی، شبکه عصبی مصنوعی
خلاصه مقاله:
قارچ خوراکی دکمه ای Agaricus bi sporus به عنوان منبع غذای پر پروتئین و کم کالری و همچنین مصارف دارویی، امروزه بسیار مورد توجه قرار گرفته است. با افزایش بیش از پیش تولید قارچ خوراکی نیاز به انبارداری، افزایش ماندگاری، کاهش ضایعات و استفاده از پودر قارچ بیشتر احساس می شود. به همین جهت خشک کردن این محصول به عنوان یکی از راهکارهای عملی همواره مطرح م یباشد. امروزه با توجه به مزایای فناوری هوشمصنوعی استفاده از شبکههای عصبی مصنوعی در سطح وسیعی برای شبیهسازی و پیشبینی پارامترهای مورد نیاز در فرایندهای خشک کردن 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 به صورت لایه نازک با استفاده از خشککن جریان عمودی هوای داغ در سه سطح دما40و50و60 و سه سطحسرعت جریان باد 0/5و0/7 m/s و 1 خشک شده تا محتوای رطوبتی آن ثابت و به 1% (بر پایه خشک) برسد شبکههای عصبی پیشرو برای تخمین میزان رطوبت قارچ با الگوریتمهای یادگیری لونبرگ- مارکوارت trainlm) برای آموزش الگوها بکار گرفته شد. مقایسه ضریب تعیین MSE وR2نشان داد که شبکه عصبی با ساختار1-18-20-3 با تابع آستانه سیگموئید و لگاریتمی در مقایسه با توپولوژی های دیگر نتایج بهتری را ارائه م یکند، که مقدار ضریب تعیین 1 و MSE آن 0/0001 می باشد.
کلمات کلیدی: قارچ خوراکی دکمه ای ، خشک کردن، محتوای رطوبتی، شبکه عصبی مصنوعی
پیش بینی محتوای رطوبتی خشک شدن لایه نازک قارچ خوراکی به کمک شبکه های عصبی مصنوعی پس انتشار