Mahmood Yolmeh - دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
Mohammad Bagher Habibi Najafi - استاد گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Fakhredin Salehi - دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده هدف از این مطالعه بکارگیری مدل­سازی الگوریتم ژنتیک-شبکه عصبی مصنوعی به منظور پیش­گویی اثر ضدباکتریایی رنگ آناتو موجود در سس مایونز بر جمعیتاشریشیا کلای می باشد. آناتو در مواد غذایی دارای فعالیت ضدمیکروبی و آنتی­اکسیدانی می باشد. رنگ آناتو استخراج و پس از فیلتراسیون و تغلیظ، با آون تحت خلا خشک گردید. در این مطالعه نمونه­های سس حاوی ۰، ۱/۰، ۲/۰ و ۴/۰ درصد رنگ آناتو تهیه و در دو دمای ۴ و ۲۵ درجه سانتی­گراد نگهداری شد. نمونه برداری و شمارش کلنی­ها در طی ۱۷ روز و در سه تکرار انجام گرفت. به منظور پیش­گویی جمعیت  اشریشیا کلای از شبکه عصبی پرسپترون چند لایه پیشخور با ۳ ورودی و ۱ خروجی استفاده شد. همچنین از روش الگوریتم ژنتیک جهت بهینه­سازی تعداد نرون­ها در لایه مخفی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد شبکه­ای با تعداد ۷ نرون در یک لایه پنهان و با استفاده از تابع فعال­سازی سیگموئیدی و درصد داده­های مورد استفاده برای تربیت/ آزمون / ارزیابی برابر ۳۰/۲۰/۵۰ می­توان به خوبی جمعیت  اشریشیا کلای (۹۹۹/۰r=) در حضور رنگ آناتو را پیش­گویی نمود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه، مدت زمان نگهداری را به عنوان موثرترین عامل در پیش­گویی جمعیتاشریشیا کلای نشان داد.

Genetic algorithm, mayonnaise, Microbiology, Escherichia coli, کلید واژه گان: الگوریتم ژنتیک, اشریشیا کلای, سس مایونز, میکروبیولوژی