خشک کردن کف‌پوشی پنیر ریکوتا و پیش‌بینی ویژگی‌های آن با مدل شبکه عصبی مصنوعی

نویسندگان

1 کارشناس ارشد صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 عضو هیئت علمی گروه صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری

3 استادیار گروه فیزیک دانشگاه صنعتی نوشیروانی بابل

4 دانشیار گروه علوم دامی دانشگاه علوم کشاورزی و منابع طبیعی ساری

doi
10.52547/fsct.18.115.20
چکیده

شبکه‌های عصبی مصنوعی مجموعه‌ای از معادلات غیرخطی هستند که توانایی برای خود سازگاری دارد تا ارتباطات غیرخطی پیچیده بین متغیرهای ورودی و خروجی را برقرار کنند. از مدل‌سازی شبکه عصبی مصنوعی برای پیشگوئی جهت تهیه پودر پنیر ریکوتا با کیفیت مطلوب استفاده شد. در این پژوهش، شبکه عصبی مصنوعی 4 کلاسه با مدل پرسپترون چندلایه برای پیش‌بینی داده‌های کف و پودر پنیر ریکوتا که به روش خشک کردن کف‌پوشی تهیه شدند، مورد استفاده قرار گرفت. این مدل‌سازی با روش شناسایی الگو و با استفاده از الگوریتم یادگیری ماشین انجام شد. شناسایی الگو، توانایی تشخیص ترتیب خصوصیات یا داده‌هایی است که اطلاعات مربوط به سیستم یا مجموعه داده‌ها را می‌دهد. مدل مورد استفاده برای این پژوهش دارای 10 نرون در لایه پنهان بود. 4 نسبت متفاوت شیر و آب‌پنیر (تیمارها) به عنوان ورودی و دانسیته کف، دانسیته پودر، هیگروسکوپی، فعالیت آبی، جذب آب و جذب روغن به عنوان خروجی‌های مدل در نظر گرفته شدند. در این مدل 70 درصد از داده‌ها برای آموزش، 15 درصد برای آزمایش و 15 درصد از داده‌ها برای اعتبارسنجی مورد استفاده قرار گرفت. بهترین عملکرد اعتبارسنجی در دوره 20 رخ داد. نتایج نهایی نشان داد که مدل مورد استفاده با دقت 8/94 درصد توانست داده‌های مربوط به هر کلاس را به درستی پیش‌بینی نماید.