بخشی از مقاله
چکیده
در این تحقیق از شبکههاي عصبی مصنوعی براي مدلسازي خشک شدن برگههاي گلابی آسیایی در خشککن مایکروویو استفاده شد. خشک کردن برگههاي گلابی آسیایی با ضخامتهاي 2، 4 و 6 mm در خشککن مایکروویو با توانهاي 200 و 300 W و در سه تکرارانجام گردید. براي تحلیل دادهها با استفاده از شبکهي عصبی، الگوریتم پسانتشار خطا با تابع آموزش Levenberg-Marquardt مورد استفاده قرار گرفت. تعداد 2 لایهي خروجی که عبارتند از MR و DR و 3 لایهي ورودي انتخاب شد که شامل زمان، ضخامت و توان می باشد.
با توجه به مقدار ضریب رگرسیون به دست آمده - 0/99701 - ، دادههاي آزمایشگاهی همبستگی بسیار خوبی با داده هاي نظري داشتند و در نتیجه شبکه عصبی طراحی شده با دقت قابل قبولی قادر بود پارامترهاي MR و DR را پیشبینی نماید.
مقدمه
هدف اولیه ي خشک کردن مواد غذایی، حفظ و نگهداري محصول است. کم کردن میزان رطوبت، باعث جلوگیري و یا کاهش واکنش هاي آنزیمی و میکروبی می شود. علت توجه زیاد به این روش، افزایش زمان ماندگاري در مقایسه با سایر روش ها، تولید محصول با وزن و حجم کمتر و عدم نیاز به سردخانه و کاهش هزینهي حمل و نقل و بستهبندي میباشد
براي کاهش آب میوه ها که داراي ترکیبات قندي هستند، زمانی طولانی و دمایی نسبتاً بالا مورد نیاز است که همین عوامل موجب بروز برخی تغییرات نامطلوب مانند تغییرات رنگ، طعم، عطر، کاهش مواد مغذي، افزایش وزن مخصوص و کاهش ظرفیت آبگیري مجدد محصول خشکشده میشوند.
از این رو، امروزه توجه پژوهشگران به سوي روش هاي دیگر خشک کردن مواد غذایی معطوف گردیده است برخی از این روشها مانند خشککردن تصعیدي بهدلیل هزینههاي بالاي آن، فقط براي محصولات پر ارزشتر در صنایع داروسازي و بیوتکنولوژي کاربرد دارند و عملا در مورد میوهها کاربرد چندانی ندارند.
طی سال هاي اخیر با توسعه ي صنعت توجهی ویژه به روش هایی شده که در آن ها از اشعه ي مایکروویو استفاده می شود. پرتو هاي مایکروویو، پرتوهایی مغناطیسی با طول موج بلند و فرکانس 2450 مگاهرتز می باشند که هنگام عبور از بافت میوه، موجب ارتعاش ملکول هاي قطبی موجود در بافت - آب و نمک ها - شده و در اثر این ارتعاش انرژي مایکروویو به حرارت تبدیل می گردد. بنابراین بر خلاف روش هاي دیگر، که گرما می بایست از سطح به عمق نفوذ نماید، در این روش گرما درون بافت میوه تولید میگردد و از آسیبدیدن و سوختگیهاي سطحی احتمالی جلوگیري میگردد
خشک کردن مواد غذایی براي نگهداري بهتر آنها در طول سال و ایجاد امکان دسترسی به آنها در شرایط و فصولی که به صورت تازه وجود ندارند، از سالها پیش مرسوم و متداول بوده است.
گلابی یکی از محصولات مهم باغی مناطق معتدله به ویژه غرب ایران است که در حال حاضر سطح قابل توجهی از باغات استانهاي این منطقه شامل کرمانشاه، همدان و کردستان را به خود اختصاص داده است. سطح زیر کشت درختان گلابی در منطقهي غرب کشور حدود 834 هکتار میباشد که حدود %20 گلابی کشور را تولید مینمایند
با وجود این، صنعت میوهکاري ایران هنوز کشت و پرورش ارقام گلابی آسیایی - Serotina Rehd Pyrus - را تجربه نکرده است. گلابی آسیایی، یکی از گونههاي قدیمی گلابی است که در دو دههي گذشته، علاقهمندي به پرورش ارقام اصلاح شدهي آن در جهان رو به تزاید گذاشته است
پیروس پیروفولیا1 گونه اي درخت گلابی بومی در چین، ژاپن و کره است. میوههاي خوراکی این درخت به نام هاي مختلفی شناخته شده اند، از جمله: گلابی آسیایی، گلابی سفید چینی، گلابی ژاپنی، گلابی کره اي، گلابی تایوانی، گلابی شنی و سیب گلابی. در شمال آسیا این میوه با نام ناشی پاتی یا ناش پاتی شناخته شده است
پیروس پیروفولیا در آسیاي شرقی، استرالیا، هند، نیوزلند و کشورهاي دیگر کشت می شود. بطور کلی این میوه براي مصارف پخت مثل شیرینی و کمپوت استفاده نمی شود، زیرا درصد رطوبت بالایی دارد و بافت ترد و دانه اي آن خیلی با گونه هاي روغنی اروپایی متفاوت است.
پیروس پیروفولیا بر خلاف نام متداولش، سیب گلابی، حاصل پیوند سیب و گلابی نیست اما شکل و بافت تردش یادآور سیب است. این میوه گونه اي هیبرید خاص از گلابی است و اغلب به صورت خام و پوست کنده مصرف می شود. این میوه واقعاً درشت و معطر است و زمانی که به دقت پیچیده می شود، تا هفته ها در یک مکان سرد و خشک دوام میآورد. این میوه به علت آبداري به راحتی کوبیده و له میشود
شبکه هاي عصبی را براي اولین بار ساتیش1 از هند در سال 2005 براي مدلسازي یک خشککن بستر سیال باز مورد استفاده قرار داد
فرآیند حرارتی، یکی از سیستم هاي پیچیده است که به طور معمول چندین پارامتر کیفی و شاخصه هاي کمی براي محصولات کشاورزي به طور همزمان در آن لحاظ میگردد. توسعه و تکمیل مدلی ریاضی که بتواند متغیرهاي وابسته ي این مسأله را در ارتباط با تمامی متغیرهاي مستقل پیش بینی نماید، کاري بس دشوار می باشد و برخی روش هاي پیش بینی شاخص هاي کیفی، سینتیک و مصرف انرژي که براي این منظور توسعه یافته اند، از دقت مناسبی برخوردار نیستند
روش متداول براي بررسی شرایط فرآوري پارامترهاي کیفی محصولات کشاورزي، روشهاي آماري است.
مدل هاي آماري یا معادلات رگرسیونی تابعی از فرضیات و ملاحظات ذاتی آزمایش ها در تحلیل است. در این روش، واقعیت پدیده به کمک یک معادله ي جبري بیان میشود که فرضیات اصلی مسأله در آن لحاظ شده است. از آنجا که براي پیش بینی شاخص هاي کیفی محصولات کشاورزي چندین متغیر ورودي و خروجی مؤثرند، تحلیل آماري این نوع مسائل مستلزم ارائه تعدادي روابط ریاضی است که اغلب براي استفاده و تفسیر مشکل است
شبکه هاي عصبی از عناصر عملیاتی ساده اي ساخته می شوند که به صورت موازي در کنار هم عمل می کنند.
این عناصر از سیستم هاي عصبی زیستی الهام گرفته شده اند. در طبیعت، عملکرد شبکه هاي عصبی از طریق نحوه اتصال بین اجزا تعیین می شود. بنابراین ما می توانیم یک ساختار مصنوعی به تبعیت از شبکه هاي طبیعی بسازیم و با تنظیم مقادیر هر اتصال، تحت عنوان وزن اتصال، نحوه ارتباط بین اجزاي آن را تعیین نماییم. شبکه هاي عصبی نوعی مدلسازي ساده انگارانه از سیستمهاي عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف در علوم دارند .حوزه کاربرد این شبکهها آنچنان گسترده است که از کاربردهاي طبقهبندي گرفته تا کاربردهایی نظیر درونیابی، تخمین، آشکارسازي و ... را شامل می شوند. شاید مهمترین مزیت این شبکهها، توانایی وافر آنها در کنار سهولت استفاده از آنها باشد
یک شبکه ي عصبی آموزش دیده می تواند به عنوان مدلی براي کاربرد هاي خاص به کار رود. پیش بینی با یک شبکه ي عصبی آموزش دیده بهطور معمول سریع تر از عملکرد برنامه هاي مدل سازي متداول است. بهعلاوه، امکان کاهش یا افزایش متغیر هاي ورودي و خروجی در صورت نیاز وجود دارد. تفاوت دیگر شبکه ي عصبی مصنوعی با روش هاي متداول مدلسازي این است که شبکهي عصبی را می توان براي پیشبینی بیش از دو متغیر در خروجی شبکه استفاده کرد
شبکه عصبی مصنوعی توسط ساتیش و همکاران براي مدل سازي یک خشککن بسترسیال مورد استفاده قرار گرفت. در این مطالعه از شبکه هاي عصبی بدون پس خور با یاددهی گرادیان که ساده ترین روش یاددهی می باشد، استفاده شد
