این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۲۰، شماره ۱۴۵، صفحات ۱۳۹-۱۴۸
عنوان فارسی استفاده از پیش‌تیمار مایکروویو برای افزایش سرعت انتقال جرم در طول فرآیند خشک‌کردن برش‌های هویج
چکیده فارسی مقاله فرآیند خشک‌کردن یکی از روش‌های فرآوری سبزی‌ها و میوه‌ها است که باعث کاهش حجم محصول، تسهیل در حمل‌ونقل، افزایش قابلیت نگهداری و کاهش فعالیت‌های میکروبی می‌گردد. امواج مایکروویو به‌عنوان یک منبع گرمایش سریع و مؤثر با اثرات حرارتی و غیرحرارتی می‌تواند مستقیماً بر مواد غذایی تأثیر بگذارند و در نتیجه واکنش‌های فیزیکوشیمیایی و سرعت خشک شدن را تسریع و محصولات خشک‌شده با کیفیت بالا تولید کنند. هدف از این پژوهش استفاده از پیش‌تیمار مایکروویو برای افزایش سرعت انتقال جرم در طول فرآیند خشک‌کردن برش‌های هویج و مدل‌سازی فرآیند به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی است. در این مطالعه اثرات زمان تیماردهی با امواج مایکروویو در پنج سطح 0، 15، 30، 45 و 60 ثانیه بر زمان خشک شدن و محتوای رطوبت برش‌های هویج در سه تکرار مورد بررسی قرار گرفت. این فرآیند به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 2 ورودی (زمان تیماردهی با مایکروویو و طول فرآیند خشک‌کردن) و 1 خروجی (درصد رطوبت) مدل‌سازی شد. نتایج نشان داد که با افزایش زمان تیماردهی با مایکروویو، سرعت خروج رطوبت از نمونه‌ها افزایش و در نتیجه زمان خشک‌کردن کاهش یافت. الگوریتم‌های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم لونبرگ-مارکوارت به‌عنوان بهترین الگوریتم انتخاب شد. بر اساس تحلیل‌های صورت گرفته روی داده‌های مدل‌سازی، شبکه عصبی مصنوعی پرسپترون با ساختار 1-5-2 مناسب‌ترین شبکه برای پیش‌بینی محتوای رطوبت برش‌های هویج تیمار شده با امواج مایکروویو است. در این مطالعه مقادیر میانگین مربعات خطا (MSE)، میانگین مربعات خطا نرمالیزه شده (NMSE)، میانگین خطا مطلق (MAE) و ضریب تبیین (r) برای پیش‌بینی درصد رطوبت برش‌های هویج طی فرآیند خشک شدن به ترتیب برابر 298/5، 006/0، 620/1 و 997/0 بود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که طول فرآیند خشک‌کردن به‌عنوان مؤثرترین عامل در پیش‌بینی محتوای رطوبت برش‌های هویج بود.
کلیدواژه‌های فارسی مقاله ،آنالیز حساسیت،الگوریتم ژنتیک-شبکه عصبی مصنوعی،پرسپترون،لونبرگ-مارکوارت،مایکروویو
عنوان انگلیسی Application of microwave pretreatment to increase mass transfer rate during carrot slices drying process
چکیده انگلیسی مقاله The drying process is one of the methods of processing vegetables and fruits, helping to reduce the volume of the product, facilitate transportation, increase preservation ability, and reduce microbial activities. As a fast and effective heat source with thermal and non-thermal effects, microwaves can directly affect food and thus accelerate physicochemical reactions and drying rates, and produce high quality dried products. The purpose of this research is to use microwave pretreatment to increase the mass transfer rate in the drying process of carrot slices and to model the process using the genetic algorithm-artificial neural network method. In this study, the effects of microwave treatment time at five levels of 0, 15, 30, 45, and 60 seconds on the drying time and moisture content of carrot slices were investigated in three replications. This process was modeled using the genetic algorithm-artificial neural network method with 2 inputs (microwave processing time and drying process duration) and 1 output (moisture percentage). The results showed that by increasing the microwave treatment time, the rate of moisture removal from the samples increased and thus the drying time decreased. Different training algorithms were evaluated and the Levenberg–Marquardt algorithm was chosen as the best algorithm. Based on modeling data analysis, the Perceptron artificial neural network with 2-5-1 structure is the most suitable network to predict the moisture content of microwaves-treated carrot slices. In this study, the values of mean squared error (MSE), normalized mean squared error (NMSE), mean absolute error (MAE), and correlation coefficient (r) for predicting the moisture content of carrot slices during drying process were equal to 5.298, 0.006, 1.650, and 0.997, respectively. The results of the optimal neural network sensitivity analysis showed that the drying process duration was the most effective factor in predicting the moisture content of carrot slices.
کلیدواژه‌های انگلیسی مقاله Genetic algorithm-artificial neural network,Levenberg–Marquardt,Microwave,Perceptron,Sensitivity analysis
نویسندگان مقاله فخرالدین صالحی | Fakhreddin Salehi
Associate Professor, Department of Food Science and Technology, Bu-Ali Sina University, Hamedan, Iran
دانشیار، گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان

کیمیا گوهرپور | Kimia Goharpour
MSc Student, Department of Food Science and Technology, Bu-Ali Sina University, Hamedan, Iran
دانشجوی کارشناسی ارشد، گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان

هلیا رضوی کامران | Helia Razavi Kamran
MSc Student, Department of Food Science and Technology, Bu-Ali Sina University, Hamedan, Iran
دانشجوی کارشناسی ارشد، گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان

نشانی اینترنتی http://fsct.modares.ac.ir/browse.php?a_code=A-10-12003-28&slc_lang=fa&sid=7
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات