پیش بینی تاثیر افزودن هیدروکلوئیدها بر روند بیاتی نان باگت با استفاده از شبکه های عصبی

مقدمه و هدف: نان گندم جهت برآورده نمودن نیازهای غذایی اهمیت فراوانی دارد. اخیرا استفاده از نان های حجیم افزایش یافته است چرا که، روش های نوین عمل آوری خمیر و پخت به گونه ای است که، باعث کاهش ضایعات نان شده و ضمن افزایش زمان ماندگاری نان باعث حفظ مواد مغذی می شود. استفاده از افزودنی ها در صنعت پخت با هدف (بهبود کیفیت، افزایش کارایی و سهولت کار با خمیر، تاخیر انداختن بیاتی و کاهش ضایعات) می باشد. شبکه های عصبی به عنوان شاخه ای از هوش مصنوعی که، دارای الگوریتم های کامپیوتری در زمینه مختلف طبقه بندی و تشخیص الگوها، تخمین پارامتر و غیره است. هدف از این پژوهش استفاده از شبکه های مصنوعی برای پیش بینی مدل هایی مناسب تاثیر افزودن هیدروکلوئیدها بر روند بیاتی نان باگت است. مواد و روش ها: اندازه گیری خواص فیزیکوشیمیایی آرد ستاره ( استاندارد ( AACC 2000 ) بصورت گلوتن 26 %، رطوبت %12 ، پروتئین % 2 / 9 ، چربی 3 / 1 %، و خاکستر 1 % اندازه گیری شدند. جهت طراحی و آموزش شبکه عصبی مورد نظر نمونه ی شاهد و نمونه دارای 1 % هیدروکلوئیدهای پکتین، زانتان و گوار استفاده شده اند. یافته ها: شبکه های عصبی با توپولوژی بهینه به دلیل توانایی بی نظیر در پردازش اطلاعات و مدلسازی سیستم های پیچیده دارای فاکتورهای غیر خطی بسیار، در پیش بینی ویژگی های بنیادی نان بسیار کارآمد هستند. بررسی حساسیت نسبی فاکتورهای خروجی به پارامترهای ورودی شبکه در مدل های به دست آمده نشان داد که بیش ترین میزان بیاتی مربوط به نمونه بدون افزودنی بوده و سپس نمونه زانتان کمترین تاثیر را در جلوگیری از بیاتی داشته باشد. در گذشت زمان کوتاه (کمتر از 40 ساعت) افزودن پکتین بیشترین تاثیر را در جلوگیری از بیاتی داشت اما، با گذشت بیش از 40 ساعت روند جابجا شده و گوار بیشترین اثر را در جلوگیری از بیاتی نشان داد. به طور کلی چونکه میزان آب بافت داخلی محصول افزایش می یابد تاثیر هیدروکلوئیدها بر تازه ماندن نان مهم است. نتیجه گیری: افزودن هیدروکلوئید گوآر در زمان طولانی بیشترین تاثیر را در به تاخیر انداختن بیاتی و ماندگاری نان باگت دارد.

کلیدواژه ها:

نان باگت ، هیدروکلوئید ، بیاتی ، شبکه عصبی