مدل‌سازی خشک‌کردن توت سیاه با سامانه مادون‌قرمز به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی

Abstract

شاه توت سرشار از پلی فنل­ها و آنتوسیانین­ها است که خشک‌کردن و نگه‌داری آن می­تواند ارزشمند باشد. استفاده از تابش مادون قرمز به‌عنوان یک روش مناسب در خشک‌کردن می‌تواند باعث کاهش زمان خشک‌کردن و کاهش هزینه‌های فرایند می­شود. اثر توان­هایw 120، 180، 240 لامپ مادون قرمز، فاصله­های cm 5، 10 و 15 نمونه از لامپ و زمان خشک‌کردن بر خشک‌شدن توت سیاه مورد بررسی قرار گرفت. مدل­سازی خشک‌شدن توت سیاه به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با چهار ورودی توان، فاصله لامپ و زمان خشک‌کردنو یک خروجی درصد کاهش رطوبت انجام شد. مشخص شد که با افزایش توان لامپ و کاهش فاصله نمونه­ها از لامپ مادون قرمز، سرعت خشک‌کردن توت سیاه به روش مادون قرمز دو طرفه به‌طور معنی داری (P<0.05) افزایش می­یابد. تابع فعال‌سازی سیگموئیدی به علت مقدار خطای کم‌تر نسبت به سایر توابع، به‌عنوان تابع فعال­سازی در لایه پنهان و خروجی انتخاب گردید. برای رسیدن به بهترین شرایط یادگیری روابط بین ورودی­ها و خروجی­ها توسط شبکه، بر اساس انجام روش آزمون و خطا از 15 درصد داده­ها برای آموزش، 15 درصد داده­ها برای آزمون شبکه آموزش دیده و 60 درصد باقی مانده داده­ها برای ارزیابی شبکه استفاده گردید. طبق نتایج به‌دست آمده مشخص شد با استفاده از تابع فعال­سازی سیگموئیدی و شبکه­ای با تعداد 8 نرون در یک لایه پنهان می­توان به خوبی مدل­سازی درصد کاهش رطوبت را به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی در طی فرایند خشک‌کردن توت سیاه به روش مادون قرمز دو طرفه پیشگویی کرد (00002/0Mse=، 999/0 R²=). زمان خشک‌کردن به‌عنوان مؤثرترین عامل برای کنترل کاهش رطوبت توت سیاه با استفاده از آنالیز حساسیت توسط شبکه عصبی بهینه معرفی شد.