این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۳، شماره ۵۰، صفحات ۱۷۱-۱۸۲
عنوان فارسی پیشبینی محتوای رطوبتی خشکشدن لایه‌نازک قارچ خوراکی به کمک شبکه‌های عصبی مصنوعی پس انتشار
چکیده فارسی مقاله چکیده قارچ خوراکی دکمه‎ای (Agaricus bisporus) به‌عنوان منبع غذای پرپروتئین و کم‌کالری و همچنین مصارف دارویی، امروزه بسیار موردتوجه قرارگرفته است. با افزایش بیش‌ازپیش تولید قارچ خوراکی نیاز به انبارداری، افزایش ماندگاری، کاهش ضایعات و استفاده از قارچ خشک‌شده بیشتر احساس می‌شود. به همین جهت خشک‌کردن این محصول به‌عنوان یکی از راهکارهای عملی همواره مطرح می‌باشد. امروزه با توجه به مزایای فناوری هوش مصنوعی استفاده از شبکه­های عصبی مصنوعی در سطح وسیعی برای شبیه‌سازی و پیش‌بینی پارامترهای موردنیاز در فرایندهای خشک‌کردن در حال رشد و توسعه است. هدف از انجام این تحقیق پیش‌بینی محتوای رطوبتی قارچ خوراکی دکمه­ای به کمک شبکه عصبی مصنوعی پس انتشار می‌باشد. در این تحقیق قارچ خوراکی دکمه­ای به‌صورت لایه‌نازک با استفاده از خشک‌کن هوای داغ در سه سطح دما C° 40، 50 و 60 و سه سطح سرعت جریان باد m/s 5/0، 7/0 و 1 خشک‌شده تا محتوای رطوبتی آن به 10% (بر پایه وزن خشک) برسد. مدل­های رگرسیونی و شبکه عصبی پیشرو با الگوریتم­های یادگیری لونبرگ- مارکوارت (trainlm) برای تخمین و پیش‌بینی میزان رطوبت لایه‌نازک قارچ استفاده شد. نتایج نشان داد که مدل رگرسیونی درجه دوم کامل با ضریب تبیین 97/0 و مجموع مربعات خطای 071/0 و همچنین شبکه عصبی با ساختار 1-18-20-3 با توابع آستانه سیگموئید و لگاریتمی در مقایسه با توپولوژی‌های دیگر نتایج بهتری را ارائه می‌کنند و دارای دقت قابل قبولی در تخمین رطوبت لایه‌نازک قارچ در هنگام خشک شدن دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of thin layer drying of edible mushroom moisture content by feed forward artificial neural networks method
چکیده انگلیسی مقاله Nowadays the edible mushroom has got a great consideration as a high protein and low calorie food source and also its medicinal consumption. As the production of edible mushrooms increases, it is necessary to notice on its storability, waste decreasing and usage of dried mushrooms. For this reason drying of this crop as a practical way has been considered. Nowadays advantages of artificial neural network are noticeable for simulation and prediction of necessary parameters in drying processes. The objective of this study is moisture content prediction of edible mushroom with arithmetic neural network during drying process. In this study the thin layers of edible mushroom were dried by hot air dryer in three temperature levels: 40, 50, 60°C and three air flow speed levels: 0.5, 0.7, 1 m/s until the moisture content reached to 10% (d.b.). Regression models and feed forward neural network with Levenberg–Marquardt learning algorithms were used to estimate and predict the moisture content of mushroom thin layers. The results showed that the quadratic degree regression model with determination coefficient of 97.0 and the error sum of the squares of 0.071 and also the neural network with 3-20-18-1 structure with sigmoid threshold and logarithmic function in comparison with other topologies had better results to predict the moisture content of mushroom thin layer during drying.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدهادی خوش تقاضا | mohammad hadi
دانشیار گروه مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه تربیت مدرس
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

بهرام حسین زاده سامانی | hosseinzadeh samani
استادیار گروه مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه شهر کرد
سازمان اصلی تایید شده: دانشگاه شهرکرد (Shahr kord university)

ابراهیم فیاضی |
دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

حامد امیرنجات | امیرنجات
دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://fsct.modares.ac.ir/article_12266_810b8cdc53a799cfc7ecab44a7d1270e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198277.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات