استفاده از پیش تیمار مایکروویو برای افزایش سرعت انتقال جرم در طول فرآیند خشک کردن برش های هویج

فرآیند خشک کردن یکی از روش های فرآوری سبزی ها و میوه ها است که باعث کاهش حجم محصول، تسهیل در حمل ونقل، افزایش قابلیت نگهداری و کاهش فعالیت های میکروبی می گردد. امواج مایکروویو به عنوان یک منبع گرمایش سریع و موثر با اثرات حرارتی و غیرحرارتی می تواند مستقیما بر مواد غذایی تاثیر بگذارند و در نتیجه واکنش های فیزیکوشیمیایی و سرعت خشک شدن را تسریع و محصولات خشک شده با کیفیت بالا تولید کنند. هدف از این پژوهش استفاده از پیش تیمار مایکروویو برای افزایش سرعت انتقال جرم در طول فرآیند خشک کردن برش های هویج و مدل سازی فرآیند به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی است. در این مطالعه اثرات زمان تیماردهی با امواج مایکروویو در پنج سطح ۰، ۱۵، ۳۰، ۴۵ و ۶۰ ثانیه بر زمان خشک شدن و محتوای رطوبت برش های هویج در سه تکرار مورد بررسی قرار گرفت. این فرآیند به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با ۲ ورودی (زمان تیماردهی با مایکروویو و طول فرآیند خشک کردن) و ۱ خروجی (درصد رطوبت) مدل سازی شد. نتایج نشان داد که با افزایش زمان تیماردهی با مایکروویو، سرعت خروج رطوبت از نمونه ها افزایش و در نتیجه زمان خشک کردن کاهش یافت. الگوریتم های آموزشی مختلف مورد ارزیابی قرار گرفت و الگوریتم لونبرگ-مارکوارت به عنوان بهترین الگوریتم انتخاب شد. بر اساس تحلیل های صورت گرفته روی داده های مدل سازی، شبکه عصبی مصنوعی پرسپترون با ساختار ۱-۵-۲ مناسب ترین شبکه برای پیش بینی محتوای رطوبت برش های هویج تیمار شده با امواج مایکروویو است. در این مطالعه مقادیر میانگین مربعات خطا (MSE)، میانگین مربعات خطا نرمالیزه شده (NMSE)، میانگین خطا مطلق (MAE) و ضریب تبیین (r) برای پیش بینی درصد رطوبت برش های هویج طی فرآیند خشک شدن به ترتیب برابر ۲۹۸/۵، ۰۰۶/۰، ۶۲۰/۱ و ۹۹۷/۰ بود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که طول فرآیند خشک کردن به عنوان موثرترین عامل در پیش بینی محتوای رطوبت برش های هویج بود.

Keywords:

Genetic algorithm-artificial neural network , Levenberg–Marquardt , Microwave , Perceptron , Sensitivity analysis , آنالیز حساسیت , الگوریتم ژنتیک-شبکه عصبی مصنوعی , پرسپترون , لونبرگ-مارکوارت , مایکروویو