این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۲۰، شماره ۱۴۴، صفحات ۲۴۲-۲۶۲
عنوان فارسی از سیستم استنتاج فازی-عصبی تطبیقی (انفیس) در مدل‌سازی شرایط نگهداری انگورهای پوشش داده شده با مالتودکسترین حاوی نانوکربنات پتاسیم و عصاره پیراکانتا
چکیده فارسی مقاله
 در این پژوهش با توجه به عدم انجام مطالعه‌ای در مورد مدل‌سازی شرایط نگهداری میوه‌های انگور پوشش داده شده با مالتودکسترین حاوی نانوکربنات پتاسیم و عصاره پیراکانتا با استفاده از سامانه استنتاج فازی-عصبی تطبیقی (انفیس)، زمان‌های مختلف نگهداری (صفر تا 60 روز)، غلظت نانوکربنات پتاسیم (صفر تا 2 درصد) و غلظت عصاره پیراکانتا (صفر تا 5/1 درصد) مورد استفاده در پوشش خوراکی به‌عنوان ورودی و میزان بریکس، درصد ریزش حبه، میزان مالون‌دی آلدهید، قهوه‌ای شدن خوشه انگور‌ها و عطر و طعم نمونه‌ها به‌عنوان خروجی در نظر گرفته شدند. سه تابع عضویت گوسی، مثلثی و ذوزنقه‌ای با 2-2-2 و 3-3-3 تابع عضویت مورد بررسی قرار گرفت. نتایج نشان داد که تابع ذوزنقه‌ای با 3 - 3 تابع عضویت و تابع گوسی با 3- 3 تابع عضویت به‌ترتیب برای متغیر خروجی بریکس و درصد ریزش حبه به‌عنوان بهترین مدل انتخاب شدند. در نهایت برای متغیرهای قهوه‌ای شدن خوشه، میزان مالون‌دی‌آلدهید و عطر و طعم نمونه‌ها مدل مثلثی با 3-3 تابع عضویت انتخاب گردیدند. از طرفی نتایج حاکی از آن بود که با افزایش زمان انبارداری، میزان بریکس، درصد ریزش حبه، مالون‌دی آلدهید و قهوه‌ای شدن خوشه در تمامی نمونه‌ها افزایش ولی میزان عطر و طعم نمونه‌ها کاهش پیدا کرد و استفاده از پوشش حاوی نانو کربنات پتاسیم و عصاره پیراکانتا سبب کاهش سرعت این تغییرات گردید. در پایان می‌توان بیان داشت که میزان ضرایب همبستگی بالا بین نتایج آزمایشگاهی و خروجی‌های مدل بیانگر دقت قابل قبول و قابلیت استفاده از این مدل‌ها در کنترل شرایط نگهداری میوه‌های انگور پوشش‌داده شده با مالتودکسترین حاوی نانوکربنات پتاسیم و عصاره پیراکانتا است.
کلیدواژه‌های فارسی مقاله انگور،زمان نگهداری،مدل‌سازی،نانوکربنات پتاسیم و عصاره پیراکانتا
عنوان انگلیسی Using the adaptive fuzzy-neural system (ANFIS) in modeling storage conditions of grape fruits coated with maltodextrin containing potassium nanocarbonate and Pyracantha extract
چکیده انگلیسی مقاله In this research, due to the lack of a study on the modeling of the storage conditions of grape fruits coated with maltodextrin containing potassium nanocarbonate and pyracantha extract using the fuzzy-neural inference system (ANFIS), different storage times (zero to 60 days), concentration Potassium nanocarbonate (zero to 2%) and concentration of pyracantha extract (zero to 1.5%) used in edible coating as input and the amount of Brix, the percentage of dropping berry, the amount of malondialdehyde, the browning of the grapes cluster, aroma and taste of samples were considered as output. Three Gaussian, triangular and trapezoidal membership functions with 2-2-2 and 3-3-3 membership functions were investigated. The results showed that trapezoidal function with 3-3 membership function and Gaussian function with 3-3 membership function were selected as the best model for Brix output variable and percentage of dropping berry, respectively. finally, triangular model with 3-3 membership function was selected for cluster browning and malondialdehyde variables. On the other hand, the results indicated that with the increase in storage time, the amount of Brix, the percentage of dropping berry, malondialdehyde and cluster browning increased in all samples, but the amount of aroma and tast of the samples decreased. the use of coating containing potassium nanocarbonate and pyracantha extract caused the speed of these changes to decrease. In the end, it can be said that the high correlation coefficients between the laboratory results and the model outputs indicate the acceptable accuracy and usability of these models in controlling the storage conditions of grape fruits coated with maltodextrin containing potassium nanocarbonate and pyracantha extract.
 
کلیدواژه‌های انگلیسی مقاله grapes,storage time,modeling,potassium nanocarbonate and Pyracantha extract
نویسندگان مقاله مریم ابراهیمی | Maryam Ebrahimi
1- Ph.D student in Food industry science and engineering, Transformation and Maintenance Department, Faculty of Agriculture, Malayer University, Malayer, Iran.
1- دانشجوی دکتری تخصصی علوم و مهندسی صنایع غذایی، گروه تبدیل و نگهداری، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران.

روح الله کریمی | Rouhollah Karimi
Associate Professor, Department of Horticulture Science, Faculty of Agriculture, Malayer University, Malayer, Iran
دانشیار گروه مهندسی علوم باغبانی و فضای سبز، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران

امیر دارایی گرمه خانی | Amir Daraei Garmakhany
Associate Professor, Department of Food Science and Technology, Toyserkan Faculty of Engineering and Natural Resources, Bu-Ali Sina University, Hamedan, Iran
دانشیار گروه ‌علوم و صنایع غذایی، دانشکده فنی و منابع طبیعی تویسرکان، دانشگاه بوعلی سینا، همدان، ایران.

نرجس آقاجانی | Narjes Aghajani
Assistant Professor, Department of Food Sciences and Technology, Bahar Faculty of Food Science and Technology, Bu-Ali Sina University, Hamedan, Iran
4- استادیار، گروه ‌علوم و صنایع غذایی، دانشکده صنایع غذایی بهار، دانشگاه بوعلی سینا، همدان، ایران

علیرضا شایگان فر | Alireza Shayeganfar
Assistant Professor, Department of Horticultural Sciences and Landscape Engineering, Faculty of Agriculture, Malayer University, Malayer, Iran
استادیار، گروه مهندسی علوم باغبانی و فضای سبز، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران

نشانی اینترنتی http://fsct.modares.ac.ir/browse.php?a_code=A-10-77505-1&slc_lang=fa&sid=7
فایل مقاله فایلی برای مقاله ذخیره نشده است
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