• ثبت نام
    • ورود به سامانه
    مشاهده مورد 
    •   صفحهٔ اصلی
    • نشریات فارسی
    • علوم غذایی و تغذیه
    • دوره 15, پاییز 97
    • مشاهده مورد
    •   صفحهٔ اصلی
    • نشریات فارسی
    • علوم غذایی و تغذیه
    • دوره 15, پاییز 97
    • مشاهده مورد
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    مدل سازی فرآیند برشته شدن اسنک سویا تحت سامانه مادون قرمز با استفاده از شبکه عصبی مصنوعی

    (ندگان)پدیدآور
    باقری, هادیکاشانی نژاد, مهدی
    Thumbnail
    دریافت مدرک مشاهده
    FullText
    اندازه فایل: 
    1.755 مگابایت
    نوع فايل (MIME): 
    PDF
    نوع مدرک
    Text
    مقاله علمی - پژوهشی
    زبان مدرک
    فارسی
    نمایش کامل رکورد
    چکیده
    مقدمه: دانه سویا به عنوان یک منبع غنی از ترکیبات مغذی ضروری همچون پروتئین­ها، روغن­ها و ترکیبات زیست فعال شناخته می­شود و دانه سویا این قابلیت را دارد که به عنوان یک اسنک و مغز برشته شده استفاده شود، اما وجود محدودیت­های مثل طعم سویا، بافت سخت و طعم لوبیای گس مانند منجر به کاهش مصرف این منبع غنی گشته است، بنابراین برای بهبود و افزایش مصرف دانه سویا، باید این محدودیت­ها برطرف گردد. برشته کردن می­تواند منجر به ایجاد یک طعم مطلوب بدون هیچ گونه طعم لوبیایی و تلخ شود و به طور معنی­داری باعث افزایش طعم، رنگ و بهبود بافت دانه سویا گردد. مواد و روش­ها: برای این مطالعه برشته کن مادون قرمز طراحی و ساخته شد و نمونه آماده شده دانه سویا (فرآوری شده) با توجه به شرایط آزمایش برشته شد. در این بررسی، مدل شبکه عصبی مصنوعی برای مدل­سازی سینتیک کاهش رطوبت در اسنک سویا در طول برشته کردن با استفاده از سامانه مادون قرمز توسعه داده شد. برای این منظور، توان لامپ مادون قرمز (250، 350 و 450 وات)، فاصله سطح لامپ از نمونه (4، 7 و 10 سانتی­متر) و زمان برشته کردن (25 دقیقه) به عنوان ورودی در نظر گرفته شد و مقدار نسبت رطوبت (MR) به عنوان خروجی تخمین زده شد. علاوه بر این سه مدل ریاضی مختلف برای برازش داده­ها مورد استفاده قرار گرفت و در نهایت داده­های برازش شده این سه مدل ریاضی با داده­های برازش شده مدل شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. یافته­ها: براساس نتایج حاصل از به کار­گیری شبکه عصبی مصنوعی، مدل شبکه عصبی مصنوعی برای داده­های نسبت رطوبت با یک لایه مخفی، تابع انتقال سیگموئید، قاعده یادگیری لیونبرگ مارکوآرت و تعداد 4 نرون، با 55 درصد برای زیر گروه آموزشی و 25 و20 درصد به ترتیب برای هر یک از زیر گروه­های ارزیابی و آزمایشی بهترین برازش را به همراه داشت. ضریب تبین و ریشه متوسط مربع خطای داده‎ها بدست آمده برای مدل شبکه عصبی مصنوعی به ترتیب 9992/0 و 01099/0 و برای بهترین مدل ریاضی به ترتیب 9776/0 و 02758/0 بود. نتیجه­گیری: این استنتاج وجود دارد که مدل شبکه عصبی مصنوعی به مراتب بهتر از مدل­های ریاضی می­تواند نسبت رطوبت را در اسنک سویا طی فرایندبرشته شدن مورد برازش قرار دهد.
    کلید واژگان
    اسنک
    برشته کردن
    سویا
    شبکه عصبی مصنوعی

    شماره نشریه
    97
    تاریخ نشر
    2018-09-23
    1397-07-01
    ناشر
    دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
    سازمان پدید آورنده
    دانش آموخته دکتری مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
    استاد گروه مهندسی مواد و طراحی صنایع غذایی، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

    شاپا
    2008-0123
    2423-8155
    URI
    http://jftn.srbiau.ac.ir/article_12826.html
    https://iranjournals.nlai.ir/handle/123456789/265095

    مرور

    همه جای سامانهپایگاه‌ها و مجموعه‌ها بر اساس تاریخ انتشارپدیدآورانعناوینموضوع‌‌هااین مجموعه بر اساس تاریخ انتشارپدیدآورانعناوینموضوع‌‌ها

    حساب من

    ورود به سامانهثبت نام

    آمار

    مشاهده آمار استفاده

    تازه ترین ها

    تازه ترین مدارک
    © کليه حقوق اين سامانه برای سازمان اسناد و کتابخانه ملی ایران محفوظ است
    تماس با ما | ارسال بازخورد
    قدرت یافته توسطسیناوب