مدل سازی خواص مکانیکی و کیفی لیموشیرین با پوششهای مختلف طی شرایط مختلف نگهداری با شبکه عصبی مصنوعی

مرکبات به عنوان یک محصول عمده و قابل دسترس در تمام جهان و میوهای محبوب در رژیم غذایی است. شناختهشدهترین گونه های تجاری مرکبات شامل پرتقال، لیمو، گریپفروت و نارنگی میباشند. در این پژوهش بهترین مدل شبکه عصبی برای پیش بینی خواص فیزیکی و کیفی میوه لیموشیرین بهینه سازی و استخراج گردید. دادها به صورت ورودی و خروجی برای مدل تعریف گردید. داده های ورودی شامل هفت فاکتور بوده که شامل شرایط انبارداری (سردخانه و محیط)، زمان، نوع پوشش، جرم، حجم، ضریب کرویت و چگالی میباشد. همچنین داده های خروجی نیز هفت دسته بوده، که شامل اسیدیته، مدول الاسیسیته، ویتامین C، بریکس (میزان مواد جامد محلول)، pH، مدول پانچ و نیروی کشش میباشد. نتایج نشان داد که الگوریتم یادگیری BR با تابع انتقال tansig بهترین نتیجه را داشت. در در بین نتایج توپولوژی 8-4 با دو لایه مخفی با خطای مطلق 7/9 درصدو ضریب تببین 94/8 درصد بهترین نتیجه را داشت. خطای میانگین برای سه فرایند آموزش، آزمون و ارزیابی برای بهترین حالت در الگوریتم BR با تابع tansig با توپولوژی 8-4 حدود 0/02 گردید. بهترین مدل در پارامتر خروجی به تفکیک برای اسیدیته مشاهده گردید. میزان ضریب تببین برای این پارامتر 98/39 درصد بود. خواص کیفی دیگر مانند pH و بریکس نیز با ضریب تبیین 93/75 و 94/71 نیز دارای دقت بالایی میباشد. همچنین نیروی کشش پوست و مدول پانچ نیز به ترتیب با ضریب 95/44و 94/03 نیز دارای تخمین مناسبی میباشد.

کلیدواژه ها:

شبکه عصبی ، لیموشیرین ، پوشش نانوکامپوزیت ، قفسه مانی ، انبارداری ،