مدل سازی فرآیند خشک کردن موسیلاژ دانه ریحان با خشک کن فروسرخ توسط شبکه عصبی مصنوعی
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 120
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-17-106_003
تاریخ نمایه سازی: 30 آبان 1402
Abstract:
امروزه صمغ های گیاهی و تجاری به منظور بهبود خصوصیات رئولوژیکی، بافتی و حسی مواد غذایی استفاده می شوند. دانه های ریحان دارای مقادیر قابل توجهی صمغ (موسیلاژ) با خواص عملکردی مناسب هستند که بعد از استخراج از دانه ها و خشک شدن، می توانند به صورت پودر در فرمولاسیون محصولات مختلف استفاده شود. در این مطالعه جهت خشک کردن موسیلاژ دانه ریحان، از روش پرتودهی فروسرخ استفاده گردید. اثر توان لامپ فروسرخ (۱۵۰، ۲۵۰ و ۳۷۵ وات)، فاصله نمونه از لامپ (۴، ۸ و ۱۲ سانتی متر) و ضخامت موسیلاژ (۵/۰، ۰/۱ و ۵/۱ سانتی متر) بر زمان خشک شدن موسیلاژ دانه ریحان مورد بررسی قرار گرفت. نتایج خشک کردن موسیلاژ دانه ریحان با روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه ها از منبع حرارتی، زمان خشک کردن کاهش می یابد. با افزایش فاصله لامپ ها از ۴ به ۱۲ سانتی متر، میانگین زمان خشک شدن موسیلاژ دانه ریحان از ۳۷/۱۳۱ دقیقه به ۴۱/۳۳۶ دقیقه افزایش یافت. با افزایش ضخامت نمونه ها از ۵/۰ به ۵/۱ سانتی متر، میانگین زمان خشک شدن موسیلاژ دانه ریحان از ۶۷/۱۰۳ دقیقه به ۶۷/۳۶۷ دقیقه افزایش یافت. این فرآیند توسط یک شبکه عصبی مصنوعی با ۳ ورودی (توان لامپ ، فاصله لامپ و ضخامت) و ۱ خروجی (زمان خشک شدن) مدل سازی شد. نتایج مدل سازی به روش شبکه عصبی مصنوعی نشان داد شبکه ای با تعداد ۸ نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی می تواند زمان خشک شدن موسیلاژ دانه ریحان با استفاده از خشک کن فروسرخ را پیشگویی نماید (۹۶/۰r=). نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که ضخامت نمونه به عنوان موثرترین عامل در کنترل زمان خشک شدن موسیلاژ دانه ریحان می باشد.
Keywords:
Authors
Ghazale Amini
MSc Student, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
Fakhreddin Salehi
Assistant Professor, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
Majid Rasouli
Assistant Professor, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :