این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
فناوری های نوین غذایی، جلد ۳، شماره ۴، صفحات ۲۷-۳۴
عنوان فارسی کاربرد شبکه عصبی مصنوعی جهت مدل‌سازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمه‌ای
چکیده فارسی مقاله آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می‌باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می‌باشد. در این مطالعه از مدل‌سازی شبکه عصبی مصنوعی جهت پیش‌بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای استفاده گردید. پس از اعمال تیمار آسکوربات کلسیم در سه سطح 0، 4/0 و 8/0 درصد، قارچ‌ها در دمای 5/0±1 درجه سلسیوس و رطوبت نسبی 90% نگه‌داری و سپس صفات کیفی طی روزهای صفر، 10، 15، 20 و 25 مورد بررسی قرار گرفتند. به منظور پیشگویی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای از شبکه عصبی پرسپترون چند لایه با 2 ورودی (غلظت آسکوربات کلسیم و زمان انبارمانی) و 14 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، pH، L*، a*، b*، کروما، زاویه هیو، EΔ، شاخص قهوه‌ای شدن، ویتامین ث، فنل کل و فعالیت آنزیم پلی فنل اکسیداز) استفاده شد. نتایج نشان‌ داد شبکه‌ای با تعداد 8 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی سیگموئیدی و تکنیک بهینه‌سازی لیونبرگ مارکوت و درصد داده‌های مورد استفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می‌توان اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه‌ای را با میانگین ضریب همبستگی برابر 91/0 تخمین زد. نتایج آنالیز حساسیت با شبکه عصبی بهینه (14-8-2)، زمان نگهداری را به عنوان مؤثرترین عامل در پیش‌بینی صفات قارچ دکمه‌ای در طی پس از برداشت مشخص نمود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of artificial neural network to modeling the effect of calcium ascorbate on extending button mushroom shelf life
چکیده انگلیسی مقاله Calcium ascorbate is ascorbic acid buffered salt containing calcium and effective in maintaining the quality and reducing losses of agricultural products during post harvest storage. In this study, artificial neural network modeling was used to predicting the effect of calcium ascorbate on button mushroom shelf life. After treatment of calcium ascorbate at three concentrations (0, 0.4 and 0.8%), mushrooms were kept at 1±0.5°C and 90% relative humidity and then qualitative characteristics were evaluated during 0, 10, 15, 20 and 25 days storage. In order to predicting calcium ascorbate effects on button mushroom shelf life, multi-layer perceptron neural network with 2 input (calcium ascorbate concentration and shelf life time) and 14 outputs (weight loss, firmness, TSS, pH, L*, a*, b*, chroma, Hue angle, ΔE, browning index, vitamin C, total phenol and polyphenol oxidase activity) was used. The results showed that a networks with 8 neuron in a hidden layer and using sigmoid function and levenberg–marquardt optimization technique and 40%-20%-40% data for training/ testing/ validating process can be well predict the effect of calcium ascorbate on button mushroom shelf life with correlation coefficient equal 0.91. Results of sensitivity analysis by optimum neural network (2-8-14), was defined shelf life time as the most effective factor in predicting button mushroom attributes during post harvest storage.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد سیاری |
استادیار گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

فخرالدین صالحی |
استادیار گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران.

سجاد الوندی |
دانش آموخته کارشناسی ارشد، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

نشانی اینترنتی http://jift.irost.ir/article_323_4e52248fddeee3171605cdea20e38601.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1026/article-1026-597759.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