پیش بینی اثرات پوشش دهی با غلظت های مختلف صمغ دانه مرو بر خصوصیات برش های کدوخورشتی سرخ شده در دماهای مختلف با روش الگوریتم ژنتیک- شبکه عصبی مصنوعی

محصولات غذایی سرخ شده با توجه به ویژگی های منحصربه فرد مانند رنگ، بو، طعم و بافت مطلوب بسیار مورد توجه می باشند. کنترل شرایط سرخ کردن و استفاده از پوشش های هیدروکلوئیدی خوراکی (صمغ ها) یکی از روش های مناسب برای کاهش جذب روغن، حفظ رطوبت و بهبود خصوصیات ظاهری مواد غذایی سرخ شده است. در این پژوهش از غلظت های مختلف صمغ دانه مرو (۰، ۵/۰، ۱ و ۵/۱ درصد) جهت پوشش دهی برش های کدوخورشتی هنگام سرخ شدن عمیق در دماهای ۱۵۵، ۱۷۰ و ۱۸۵ درجه سلسیوس استفاده گردید و رابطه بین پارامترهای فرآیند و خصوصیات محصول نهایی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی مدل سازی گردید. نتایج این پژوهش نشان داد که پوشش دهی با صمغ دانه مرو باعث کاهش جذب روغن محصول نهایی شده و از نظر ویژگی های ظاهری، نمونه های پوشش داده شده روشنتر بودند. پیش تیمار پوشش دهی باعث حفظ رطوبت محصول نهایی شد و اندازه نمونه های پوشش داده شده با ۵/۱ درصد صمغ از سایر نمونه ها بزرگتر بود (درصد تغییرات سطحی کمتر). این فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با ۲ ورودی شامل غلظت صمغ دانه مرو و دمای سرخ کن و ۷ خروجی شامل درصد روغن، مقدار رطوبت، شاخص زردی (b*)، شاخص قرمزی (a*)، شاخص روشنایی (L*)، شدت تغییرات رنگ (EΔ) و تغییرات سطح مدل سازی شد. نتایج مدل سازی نشان داد شبکه ای با تعداد ۵ نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی می تواند خصوصیات فیزیکوشیمیایی برش های سرخ شده کدوخورشتی را پیش بینی نماید. نتایج آزمون آنالیز حساسیت نشان داد که تغییر غلظت صمغ دانه مرو بیشترین تاثیر را بر شاخص زردی و سپس بر روی شاخص شدت تغییرات رنگ سطحی برش های کدوخورشتی سرخ شده دارد. همچنین تغییر دمای سرخ کن نیز بیشترین تاثیر را بر شاخص های شدت تغییرات رنگ و روشنایی نمونه های سرخ شده دارد.

پیش بینی اثرات پوشش دهی با غلظت های مختلف صمغ دانه مرو بر خصوصیات برش های کدوخورشتی سرخ شده در دماهای مختلف با روش الگوریتم ژنتیک- شبکه عصبی مصنوعی Keywords:

Color changes , Frying , Lightness index , Redness index , Wild sage seed gum , Yellowness index , تغییرات رنگ , سرخ کردن , شاخص روشنایی , شاخص زردی , شاخص قرمزی , صمغ دانه مرو