این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۶، شماره ۹۶، صفحات ۱۰۳-۱۱۹
عنوان فارسی مدل‌سازی تغییرات کیفی ازگیل (Mespilus germanica) طی نگهداری در سردخانه با استفاده از مدل‌های سینتیکی و شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله هدف از انجام این پژوهش بررسی سینتیک تخریب خصوصیات کیفی اصلی ازگیل طی نگهداری در سردخانه می‌باشد. ازگیل (Mespilus germanica) بطور گسترده و بیشتر به صورت وحشی در شمال ایران می‌روید و کاربرد فراوانی به سبب خواص تغذیه‌ای و درمانی دارد. در میوه‌ها خصوصیات کیفی به عنوان معیار مهم پذیرش توسط مصرف کننده است، از اینرو ارزیابی پارامترهای موثر بر کیفیت ازگیل حائز اهمیت می‌باشد. از آنجائی­که اندازه‌گیری این پارامترها بسیار هزینه‌بر و زمان‌بر است، بنابراین پیش‌بینی آنها بسیار ضروری می‌باشد. در پژوهش حاضر مدل‌های ریاضی و شبکه‌های عصبی مصنوعی (ANNs) برای مدل‌سازی ارتباط بین خصوصیات فیزیکی و شیمیایی و ویژگی‌های رنگی با زمان نگهداری در سردخانه بکار برده شد. از پنج مدل سینتیکی درجه صفر، درجه اول، درجه دوم، تبدیل جزء و ویبال برای مدل‌سازی با کمک نرم افزار متلب استفاده شد. از بین این مدل‌ها، مدل ویبال به عنوان بهترین مدل در پیش‌بینی تغییرات پارامترهای فیزیکی و شیمیایی (  و ) و رنگی (  و ) انتخاب گردید. در مدل‌سازی ANN از شبکه پرسپترون چند لایه‌ای (MLP) با تعداد مختلفی نورون استفاده گردید. ورودی‌های شبکه شامل زمان نگهداری، رطوبت ازگیل و درجه رسیدگی و خروجی آن نیز مقادیر خصوصیات فیزیکی و شیمیایی و رنگی بود. همچنین از الگوریتم لونبرگ-مارکوآرت به منظور آموزش شبکه و از تابع‌های آستانه‌ای سیگموئید لگاریتمی، خطی و تانژانت هایپربولیک سیگموئید استفاده گردید. نتایج نشان داد که شبکه MLP با تابع آستانه‌ای خطی و پیکربندی‌های 3-4-8-3 و 2-3-7 بهترین دقت را به ترتیب برای پیش‌بینی ویژگی‌های فیزیکی و شیمیایی (  و ) و خصوصیات رنگی (  و ) دارند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Modelling medlar (Mespilus germanica) quality changes during cold storage using kinetics models and artificial neural network
چکیده انگلیسی مقاله The aim of this research was to investigate the degradation kinetics of the major quality properties of medlar (Mespilus germanica) during cold storage. Medlar is a widely growth in northern Iran and its fruit is used as a nutritional component and as a medicinal remedy. In fruits, quality properties are used as a consumer-based criteria of acceptability. So it is important to evaluate parameters that affected the medlar quality. Measurement of these parameters is an expensive and time-consuming process. Therefore, parameter prediction due to affecting factors will be more useful. In the present research, mathematical models and artificial neural networks (ANN) were used for modelling the relationship between physicochemical properties and color attributes with cold storage time. Five kinetic models viz. zero order, first order, Second order, fractional conversion and Weibull models were used for modelling using MATLAB. Among the kinetics models, the Weibull model was found to be more suitable to predict the changes in all physicochemical ( , ) and color ( , ) parameters. In ANN, multi-layer perception (MLP) used with different number of neurons. The network's inputs include storage time, medlar moisture content and ripening stage and the network's output were the values of the physicochemical and color properties. The training rule was Momentum Levenberg-Marquardt. The transfer functions were Tansig, Purelin and Logsig. The results showed that MLP network with Levenberg-Marquardt training function, Purelin transfer function and 3-8-4-3 and 3-7-2 topologies had the best accuracy for prediction of for physicochemical and color properties. This network can predict physicochemical and color properties of the medlar with  coefficient of 0.9983 and 0.9992 and MSE of 0.021, 0.000008 and 0.000059 respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محسن زندی | Mohsen Zandi
Assistant Professor, Department of Food Science and Engineering, Faculty of agricultural University of Zanjan, Zanjan, Iran
دکتری تخصصی، استادیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

علی گنجلو | Ali Ganjloo
Associate Professor, Department of Food Science and Engineering, University of Zanjan, Zanjan, Iran
دکتری تخصصی، دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشگاه زنجان، زنجان، ایران

ماندانا بی مکر | Mandana Bimakr
Associate Professor, Department of Food Science and Engineering, Faculty of agricultural University of Zanjan, Zanjan, Iran
دکتری تخصصی، دانشیار، گروه علوم و مهندسی صنایع غذایی، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

نشانی اینترنتی http://journals.modares.ac.ir/browse.php?a_code=A-10-49957-1&slc_lang=fa&sid=7
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-2279799.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