مدل سازی اثر پیش تیمار مایکروویو براستخراج روغن از دانه های گوجه فرنگی به روش شبکه عصبی مصنوعی

افزایش تقاضای مصرف کنندگان برای استفاده از مواد غذایی طبیعی و بدون افزودنی و همچنین افزایش ضایعات صنایع غذایی، محرک استفاده از محصولات جانبی کارخانه­های مواد غذایی در دیگر صنایع غذایی است. تفاله گوجه فرنگی ازجمله ضایعات کارخانه­های مواد غذایی است که در کارخانه­های تولید رب و سس از گوجه­فرنگی تولید می شود.  هدف از این پژوهش بررسی اثر پیش­تیمار مایکروویو و روش استخراج بر ویژگی­های فیزیکی و شیمیایی روغن دانه ­گوجه­فرنگی بود. پیش­تیمار دانه­ها با امواج مایکرویوو (۰، ۲۰۰ و ۵۰۰ وات) طی زمان­های مختلف (۰، ۱، ۳ و ۵ دقیقه) انجام و روغن دانه­ها با روش سوکسله و پرس استخراج گردید. برخی ویژگی­های فیزیکی و شیمیایی روغن استحصالی شامل بازده استخراج، ویسکوزیته، عدد اسیدی، عدد پراکسید، و مولفه های رنگی شامل روشنایی، قرمزی و زردی ارزیابی گردید. تجزیه و تحلیل داده ها بر اساس آزمایش فاکتوریل در قالب طرح آماری کاملا تصادفی در سه تکرار انجام شد. داده های آزمایشگاهی این پژوهش توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با ۳ ورودی (روش استخراج، توان مایکروویو و زمان تیماردهی) و ۷ خروجی (درصد استخراج، عدد اسیدی، عدد پراکسید، ویسکوزیته، روشنایی، قرمزی و زردی) مدل سازی شد. نتایج مدل سازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد شبکه ای با ساختار ۷-۸-۳ در یک لایه پنهان و با استفاده از تابع فعال سازی تانژانت هیپربولیک می تواند درصد استخراج، عدد اسیدی، عدد پراکسید، ویسکوزیته، روشنایی، قرمزی و زردی روغن تهیه شده از دانه های گوجه فرنگی را با ضریب همبستگی بالا و مقدار خطا پایین پیش بینی نماید. بر اساس نتایج آزمون آنالیز حساسیت، روش استخراج در مقایسه توان و زمان پیش تیمار دانه­ها با مایکرویوو، به عنوان عامل اصلی تعیین گردید

مدل سازی اثر پیش تیمار مایکروویو براستخراج روغن از دانه های گوجه فرنگی به روش شبکه عصبی مصنوعی Keywords:

Artificial neural network , Sensitivity analysis , Tomato seed oil , Microwave , آنالیز حساسیت , شبکه عصبی مصنوعی , روغن دانه گوجه فرنگی , مایکروویو.