کاربرد شبکه عصبی مصنوعی جهت مدل‌سازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمه‌ای

Abstract

آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می‌باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می‌باشد. در این مطالعه از مدل‌سازی شبکه عصبی مصنوعی جهت پیش‌بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای استفاده گردید. پس از اعمال تیمار آسکوربات کلسیم در سه سطح 0، 4/0 و 8/0 درصد، قارچ‌ها در دمای 5/0±1 درجه سلسیوس و رطوبت نسبی 90% نگه‌داری و سپس صفات کیفی طی روزهای صفر، 10، 15، 20 و 25 مورد بررسی قرار گرفتند. به منظور پیشگویی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای از شبکه عصبی پرسپترون چند لایه با 2 ورودی (غلظت آسکوربات کلسیم و زمان انبارمانی) و 14 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، pH، L*، a*، b*، کروما، زاویه هیو، EΔ، شاخص قهوه‌ای شدن، ویتامین ث، فنل کل و فعالیت آنزیم پلی فنل اکسیداز) استفاده شد. نتایج نشان‌ داد شبکه‌ای با تعداد 8 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی سیگموئیدی و تکنیک بهینه‌سازی لیونبرگ مارکوت و درصد داده‌های مورد استفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می‌توان اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای را با میانگین ضریب همبستگی برابر 91/0 تخمین زد. نتایج آنالیز حساسیت با شبکه عصبی بهینه (14-8-2)، زمان نگهداری را به عنوان مؤثرترین عامل در پیش‌بینی صفات قارچ دکمه‌ای در طی پس از برداشت مشخص نمود.