بررسی کیفیت میکروبی شیر خام استان گلستان به کمک شبکه های عصبی مصنوعی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 537

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PDCONF03_174

تاریخ نمایه سازی: 6 اسفند 1395

Abstract:

امروزه کنترل و بررسی سریع ویژگی های میکروبی شیر خام در کارخانجات و مراکز جمع آوری از اهمیت ویژه ای برخوردار می باشد. در بین روش های سریع ارزیابی، کاربرد مدل های ریاضی به دلیل حصول نتیجه در کمترین زمان ممکن جایگاه ویژه ای دارد. بنابراین در تحقیق حاضر به مدلسازی تعداد میکروارگانیسم ها و مدت زمان احیای متیلن بلو با استفاده از دما و زمان انتقال شیر خام از لحظه دوشش تا رسیدن نمونه ها به آزمایشگاه پرداخته شد. جهت پیش بینی روند تغییرات از ابزار شبکه های عصبی مصنوعی در نرم افزار MATLAB R2013a استفاده شد. با بررسی شبکه های مختلف، در نهایت شبکه ی پس انتشار پیشخور با توپولوژی 2 - 5 - 2 با ضریب همبستگی 996 / 0 و میانگین مربعات خطای 001 / 0 و با بکارگیری تابع فعالسازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل عصبی مشخص گردید. نتایج حاصل از مدلسازی نشان داد که دما و زمان انتقال شیر خام از دامداری تا کارخانه های فرآوری صنایع لبنی نقش تعیین کنندهای در پیش بینی تعداد میکروارگانیسم ها و زمای احیای متیلن بلو دارند.

Keywords:

شیر خام , تعداد میکروارگانیسم , زمان احیای متیلن بلو , مدلسازی

Authors

سعید سعادتفر

دکتری عمومی رشته دامپزشکی، اداره کل دامپزشکی استان گلستان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • هاشمی، م، گزارشی از طرح کنترل کیفیت و بهبود شیر ...
  • سلیمانی وفا، ا، حصاری، ج، احمدی زنوز، ع، تیماردهی شیر ...
  • فرخنده، ع، روش‌های آزمایش شیر و فرآورده‌های آن، جلد اول، ...
  • اسفندیاری درآباد، ف. 1389 . پیش بینی میانگین دمای ماهانه ...
  • امیری چایجان، _ خوش تقاضا، م _ منتظر، غ ع.، ...
  • مختاریان، م. و شفافی زنوزیان، م. 1390. پیش بینی سینتیک ...
  • Ma. Y., Barbano M., 2003. Effect of temperature of CO2 ...
  • Jindal, V. K., Homhual, S. 2000. Applying neural networks for ...
  • Champagne, C.P., Gardner, N, Fontaine, J., Richard, J. 1997. Determination ...
  • Shelef, L.A. Eden. G 1996. Optical instrument rapidly detects and ...
  • Edmondson, J.E., Golden, R., Wedle, D.B. 1985. Reduction Methods. In ...
  • Eerikainen, T., Linko, P., Linko, S., Simes, T., Zhu, Y.H. ...
  • Orawan, C., Panwadee, S. Bandit, S. 2016. Application of Artificial ...
  • Hristova, V.K., , Tomovska, J., Ahmad, M A., Trajkovska, B., ...
  • نمایش کامل مراجع