اندازه گیری و پیش بینی بازده مایکروویو در حین خشک کردن برگه های سیب

خشک کردن یکی از موثرترین روش ها برای افزایش ماندگاری محصولات غذایی است. افزایش راندمان و کاهش مصرف انرژی در خشک کردن ضروری است. صرفه جویی در زمان و انرژی بهترین مزایای روش خشک کردن مایکروویو است. بنابراین هدف از این تحقیق بررسی تاثیر توان مایکروویو (P)، جرم محصول (M) و زمان (T) بر انرژی جذب شده، اتلاف انرژی و همچنین پیش بینی بازده در حین خشک شدن برگه های سیب در مایکروویو بود. در این تحقیق توان های مایکروویو ۱۰۰، ۳۰۰ و ۶۰۰ وات، جرم سیب ۲۰، ۴۰، ۶۰، ۸۰ و ۱۰۰ گرم و زمان ۶۰، ۹۰، ۱۲۰، ۱۵۰ و ۱۸۰ ثانیه در نظر گرفته شدند. در این مقاله، از سه روش مختلف هوش مصنوعی برای مدلسازی انرژی جذب شده و اتلاف انرژی سیب همراه با پیش بینی بازده مایکروویو در طول فرآیند خشک کردن استفاده گردید. این روش ها عبارتند از: شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان (SVM) همراه با الگوریتم کرم شب تاب (FFA). نتایج نشان داد که مقدار انرژی جذب شده توسط سیب در طول خشک کردن در مایکروویو به شدت به مقدار جرم بستگی دارد. بیشترین و کمترین بازده مایکروویو به ترتیب در توان ۶۰۰ وات و جرم ۱۰۰ گرم و کمترین بازده در زمان ۱۸۰ ثانیه و توان ۱۰۰مشاهده گردید. همچنین، انرژی جذب شده در ۶۰۰ وات تقریبا چهار برابر بیشتر از آن در ۱۰۰ وات بود. سیستم عصبی-فازی و ماشین بردار پشتیبان نتایج خوبی نسبت به شبکه عصبی مصنوعی برای پیش بینی انرژی جذب شده، اتلاف انرژی و بازده مایکروویو نشان دادند.

کلیدواژه ها:

مایکروویو ، بهره وری ، شبکه های عصبی مصنوعی ، سیستم استنتاج فازی عصبی تطبیقی ، ماشین های بردار پشتیبان