ارزیابی مدل سازی فرآیند خشک کردن زعفران به روش آون گذاری با استفاده از شبکه عصبی مصنوعی

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:

پیکروکروسین ، سافرانال ، قانون یادگیری لونبرگ ، کروسین