محمدعلی ابراهیمی - دانشجوی کارشناسی ارشد مکانیک ماشین های کشاورزی دانشگاه تهران
سعید محتسبی - استاد دانشگاه تهران
شاهین رفیعی - دانشیار دانشگاه تهران
سیدسلیمان حسینپور - دانشجوی دکتری دانشگاه تهران

شاخصهای کیفی محصول خشک شده مهمترین عامل تاثیر گذار دربازار پسندی محصول می باشد پیش ینی تغییرات این شاخصها طی فرایند خشک شدن می توانددر بهترین شرایط خشک شدن بدون نیاز به صرف هزینه و وقت مفید باشد دراین تحقیق برای پیش بینی تغییرات رنگ محصول از شبکه های عصبی مصنوعی نوع پس انتشار پیشخور با توابع آموزش مومنتوم و لونبرگ - مارکورات و توابع انتقال لگاریتمی سیگموئید و تانژانت سیگموئید استفاده شد زمان و دما و سرعت هوا - ضخامت و محتوای رطوبتی نمونه به عنوان ورودی شبکه و تغییر رنگ کل به عنوان خروجی شبکه درنظر گرفته شد همچنین معماری و آموزش شبکه ها درمحیط نرم افزار MATLAB صورت گرفت نتایج نشان داد که شبکه های عصبی پس انتشار پیشخور با تابع اموزش لونبرگ - مارکورات می توانند میزان تغییر رنگ محصول را با خطای پایین و ضریب همبستگی بالایی پیش بینی کنند در حالیکه اموزش با تابع مومنتوم نتایج قابل قبولی ارایه نکرد.

شبکه پسانتشار پیشخور، تابع آموزش مومنتوم ، تابع آموزش لونبرگ - مارکورات ، MATLAB