Haidar Naseri - Graduate Master, Biosystem Engineering, Lorestan University, Khorramabad, Iran
isa hazbavi - Assistant Professor, Biosystem Engineering, Lorestan University, Khorramabad, Iran
Feizollah Shahbazi - Associate Professor, Biosystem Engineering, Lorestan University, Khorramabad, Iran

در این تحقیق هدایت الکتریکی شیر بازساخته با استفاده از روش شبکه عصبی مصنوعی مل­سازی و پیش­بینی گردید. پروتئین (۱، ۲، ۳و ۴%)، لاکتوز (۴، ۶، ۸ و ۱۰%)، چربی (۳ و ۶%) و دما (۵۰، ۵۵، ۶۰ و ۶۵ درجه سلسیوس) به عنوان پارامترهای مستقل ورودی و هدایت الکتریکی شیر بازساخته به عنوان متغیر وابسته خروجی تعریف شدند. داده های به دست آمده از دستگاه سنجش هدایت الکتریکی به منظور آموزش و آزمون شبکه استفاده گردید. به منظور توسعه مدلهای شبکه عصبی مصنوعی ابتدا داد­ ها به سه بخش آموزشی (۷۰%)، اعتبارسنجی (۱۵%) و آزمون (۱۵%) مدل­ها تقسیم شدند. شبکه ها با ساختار پرسپترون چند لایه به صورت دو، سه و چهار لایه آموزش داده شدند.  تعداد لایه های مخفی و تعداد نرون ها در هر لایه به روش سعی و خطا به دست آمد. بهترین الگوریتم آموزشی، لونبرگ- مارکوارت با کمترین میزان میانگین مربعات خطا بود. معیار انتخاب بهترین شبکه، بیشترین ضریب تبیین (R۲) و کمترین مقدار متوسط مربع خطا (MSE) بود. در پیش بینی هدایت الکتریکی شیر بازساخته شبکه با ساختار ۱-۴-۴ بهترین نتیجه را داد. این شبکه در لایه پنهان ۴ نرون دارد. مقادیر ضریب تبیین و خطای آن به ترتیب ۹۹۲/۰ و ۰۱۱/۰ بود. از این نتایج در کارخانجات فراوری شیر می­توان بهره گرفت. همبستگی میان مقادیر آزمایشی و پیش بینی شده در ساختارهای مطلوب بیشتر از ۹۹% به دست آمد.

Recombined milk, Electrical conductivity, Modeling, Artificial neural network, شیر بازساخته, هدایت الکتریکی, مدل سازی, شبکه عصبی مصنوعی