روش نوین برای پوشش دهی برش های بادمجان و مدل سازی فرآیند سرخ کردن

روش الگوریتم ژنتیک- شبکه عصبی مصنوعی به دلیل توانایی عالی و مقدار خطای ناچیز در پیش بینی متغیرهای وابسته هنگام فرآوری مواد غذایی، امروزه کاربرد زیادی پیدا کرده است. در این پژوهش از غلظت های مختلف صمغ گزانتان (۰، ۰/۵، ۱ و ۱/۵ درصد) جهت پوشش دهی برش های بادمجان هنگام سرخ کردن عمیق در دماهای ۱۵۰، ۱۷۵ و ۲۰۰ درجه سلسیوس استفاده گردید و رابطه بین پارامترهای فرآیند و خصوصیات محصول نهایی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی مدل سازی گردید. داده های آزمایشگاهی به دست آمده از این فرآیند، برای آموزش و ارزیابی الگوریتم ژنتیک- شبکه عصبی مصنوعی استفاده شد. بر اساس تحلیل های صورت گرفته روی داده های آزمایشگاهی، شبکه عصبی مصنوعی چندلایه پرسپترون با ۲ ورودی (غلظت صمغ گزانتان و دمای سرخ کن) و ۵ خروجی (درصد روغن، درصد رطوبت، شاخص زردی، شاخص قرمزی و شاخص روشنایی)، با ساختار ۵-۵-۲ و با استفاده از تابع فعال سازی تانژانت هیپربولیک، مناسب ترین شبکه برای تخمین خصوصیات فیزیکوشیمیایی برش های سرخ شده بادمجان است. مقادیر میانگین مربعات خطا (MSE)، میانگین مربعات خطا نرمالیزه شده (NMSE)، میانگین خطا مطلق (MAE) و ضریب همبستگی (r) برای این فرآیند مدل سازی به ترتیب برابر ۹/۶۲، ۰/۱۵، ۲/۵۲ و ۰/۹۴ برای پیش بینی درصد روغن، برابر ۸/۱۳، ۰/۱۲، ۲/۳۳ و ۰/۹۶ برای پیش بینی درصد رطوبت، برابر ۳/۲۹، ۰/۱۳، ۱/۵۷ و ۰/۹۴ برای پیش بینی شاخص زردی، برابر ۴/۵۵، ۰/۱۴، ۱/۵۴ و ۰/۹۳ برای پیش بینی شاخص قرمزی و برابر ۱۶/۱۵، ۰/۱۴، ۳/۸۳، و ۰/۹۳ برای پیش بینی شاخص روشنایی بود. در مجموع، استفاده از روش الگوریتم ژنتیک- شبکه عصبی مصنوعی برای مدل سازی فرآیند سرخ کردن برش های بادمجان پوشش داده شده با صمغ گزانتان، به برنامه نویسی و توسعه سیستم های کنترل هوشمند که برای فرآوری خودکار مواد غذایی بسیار مفید هستند، کمک می کند.

کلیدواژه ها:

الگوریتم ژنتیک- شبکه عصبی مصنوعی ، سرخ کردن عمیق ، صمغ گزانتان ، کنترل هوشمند ، میانگین مربعات خطا