ارزیابی مدل سازی فرآیند خشک کردن زعفران به روش آون گذاری با استفاده از شبکه عصبی مصنوعی
محل انتشار: دوفصلنامه پژوهش های زعفران، دوره: 8، شماره: 1
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 247
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSRB-8-1_008
تاریخ نمایه سازی: 22 اردیبهشت 1400
چکیده مقاله:
زعفران ارزشمندترین ادویه شناختهشده در دنیا است. کروسین، پیکروکروسین و سافرانال بهترتیب به عنوان شاخص رنگ، طعم و آرومای زعفران شناخته می شوند. خشک کردن از مهمترین مراحل موثر بر کیفیت نهایی زعفران از لحاظ میزان کروسین، پیکروکروسین و سافرانال محسوب می گردد. در این تحقیق، کارایی فرآیند خشک کردن به روش آونگذاری بر اساس متغیرهای مهمی همچون دما، زمان و ضخامت لایه زعفران تحت مدلسازی به روش شبکه عصبی مصنوعی قرار گرفت. نتایج مدل سازی فرآیند خشک کردن زعفران به روش آونگذاری نشان داد که اگر تغییرات کروسین تحت قانون یادگیری مومنتوم و با تابع انتقال تانژانت با تعداد نورون ۸ و با ۲۵، ۵۵ و ۲۰ درصد داده ها به ترتیب برای آموزش ارزیابی و آزمون مورد استفاده قرار گیرد، بیشترین ضریب تعیین (۹۱۴/۰) را خواهد داشت. در حالیکه برای تغییرات میزان پیکروکروسین قانون یادگیری لونبرگ و تابع انتقال تانژانت در تعداد نورون ۱۲ بهترین شبکه را با ۵۰، ۲۵ و ۲۵ درصد داده ها به ترتیب برای آموزش، ارزیابی و آزمون (۹۸۶/۰ =R۲) طراحی کرد. تغییرات سافرانال نیز با قانون یادگیری لونبرگ و تابع انتقال سیگموئید در تعداد نورون ۸ و با ۳۵، ۴۵ و ۲۰ درصد از داده ها برای آموزش، ارزیابی و آزمون با ضریب تعیین مناسب ۹۸۱/۰ مدل و توسط شبکه آن پیش بینی شد.
کلیدواژه ها:
نویسندگان
وحید حکیم زاده
استادیار گروه علوم و صنایع غذایی، واحد قوچان، دانشگاه آزاد اسلامی، قوچان، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :