مطالعه تجربی و بررسی عملکرد شبکه‌های عصبی MLP و RBF برای مدل‌سازی فرآیند خشک شدن شلتوک در خشک‌کن مایکروویو

• Main Authors: محمد ابراهیم محمدپور میر, سارا نانواکناری, کامیار موقرنژاد
• Format: Article
• Language: English
• Published: Ferdowsi University of Mashhad 2020-05-01
• Series: مجله پژوهش‌های علوم و صنایع غذایی ایران
• Subjects: خشک‌کن‌ مایکروویو; درصد برنج سالم; سینتیک خشک کردن شلتوک; شبکه عصبی; ضریب نفوذ مؤثر رطوبت; کیفیت برنج
• Online Access: https://ifstrj.um.ac.ir/article_37630_c414acfb51d7c27c28ac666c7a7d0755.pdf
• ISSN: 1735-4161; 2228-5415

برنج یکی از گیاهان مهم تیره غلات است و غذای اصلی اکثر مردم دنیا به‌شمار می آید. خشک کردن برنج بعد از برداشت، به جهت غیرفعال کردن عاملین فساد، امری مهم و ضروری است. در این تحقیق به‌منظور بررسی اثر توان مایکروویو بر روی سینتیک خشک شدن شلتوک، ضریب نفوذ مؤثر رطوبت، درصد برنج سالم و کیفیت برنج از یک خشک‌کن مایکروویو استفاده شده است. به‌منظور خشک کردن شلتوک از رطوبت اولیه 21 درصد تا رطوبت نهایی 11 درصد از 3 توان270، 360 و 450 وات استفاده شد. همچنین مدل‌سازی سینتیک خشک شدن شلتوک در خشک‌کن مایکروویو با استفاده از 2 شبکه عصبی MLP و RBF انجام شد. نتایج حاصل از این بررسی بدین صورت بوده که حداکثر و حداقل زمان خشک شدن به‌ترتیب در توان 270 و 450 وات و برابر با 42 و 20 دقیقه بوده است.  با افزایش توان مایکروویو میزان شکستگی افزایش یافته و درصد برنج سالم کاهش می­یابد. و همچنین خشک کردن برنج توسط خشک‌کن مایکروویو تاثیری بر روی کیفیت برنج نداشته است. از نتایج مدل‌سازی انجام شده می‌توان دریافت که شبکه RBF با تابع انتقال گوسی با شاخص پراکندگی و تعداد نورون بالا بهترین عملکرد را در قیاس با سایر حالات طراحی شده در شبکه RBF داشته است و شبکه  MLP با الگوریتم آموزش لونبرگ مارکوارت و تابع انتقال تانژانت سیگموئید با تعداد نورون پایین قادر بوده مدل‌سازی سینتیک خشک شدن را به‌خوبی انجام دهد. به‌طور کلی شبکه عصبی MLP عملکرد بهتری نسبت به شبکه عصبی RBF داشته است و میزان خطا و ضریب همبستگی آن به‌ترتیب کمتر و بیشتر از شبکه عصبی RBF بوده است.