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

  • سال انتشار: 1399
  • محل انتشار: دوفصلنامه پژوهش های زعفران، دوره: 8، شماره: 1
  • کد COI اختصاصی: JR_JSRB-8-1_008
  • زبان مقاله: فارسی
  • تعداد مشاهده: 375
دانلود فایل این مقاله

نویسندگان

وحید حکیم زاده

استادیار گروه علوم و صنایع غذایی، واحد قوچان، دانشگاه آزاد اسلامی، قوچان، ایران.

چکیده

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

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.