کاربرد شبکه عصبی مصنوعی برای مدل سازی و پیش بینی پارامترهای بافتی پاستیل هویج

در این پژوهش پارامترهای بافتی از جمله صمغیت و قابلیت جویدن پاستیل هویج با استفاده از ویژگیهای بافت تصویر (کنتراست، انتروپی، یکنواختی و همبستگی) توسط سیستم شبکه عصبی مصنوعی مورد مدلسازی و پیش بینی قرار گرفتند. به منظور به دست آوردن داده های آزمایشگاهی، بعد از تولید فرمولهای مختلف پاستیل هویج و پس از 2 ساعت یخچالگذاری و بستن ژل، عمل خروج از قالبها صورت پذیرفت و مرحله خشک شدن در خشک کن با دمای هوای 60 و 70 درجه سانتیگراد تا رسیدن ماده خشک نمونه ها به 75 درصد، انجام شد. در طی خشک کردن هر 30 دقیقه نمونه پاستیل هویج از خشککن خارج شده و همزمان عکسبرداری و آزمون TPA بر روی نمونه ها به ترتیب در دو و چهار تکرار انجام شد. به منظور توسعه مدلهای شبکه عصبی مصنوعی ابتدا دادهها به سه بخش اموزش (60%)ف اعتبارسنجی (15%) و آزمون (25%) مدل ها تقسیم شدند. استفاده از شبکه Generalized Feed Forward با 2 لایه پنهان (به ترتیب شامل 14 نرون و 9 نرون) و تابع انتقال مورد استفاده از نوع TanhAxon بود. همچنین Learning Rule از نوع LevenbergMaquar بود. این شرایط برای لایه خروجی نیز در نظر گرفته شد. معیار انتخاب بهتربن شبکه، بیشترین ضریب تبیین و کمترین مقدار متوسط مربع خطا (MSE) بود. نتایج نشان داد که استفاده از شبکه عصبی با 2 لایه پنهان با شرایط ذکر شده، کمترین میزان مربع خطا و بیشترین میزان ضریب همبستگی را برای پیش بینی صمغیت و قابلیت جویدن بافت پاستیل هویج را دارد.