عملکرد شبکه‌های عصبی مصنوعی در پیش‌بینی اثرات میزان بوجاری، رطوبت، دما و زمان بر ویژگی‌های فیزیکی و میکروبی دانه‌ی گندم

نویسندگان

1 4 دانشجوی دکتری، گروه نانو تکنولوژی، پژوهشکده علوم و صنایع غذایی مشهد

2 دانش‌آموخته کارشناسی ارشد گروه مهندسی مواد و طراحی صنایع غذایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات آیت الله آملی

3 2 دانشیار گروه مهندسی مواد و طراحی صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

4 3 دانشیار گروه مهندسی مواد و طراحی صنایع غذایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات آیت الله آملی

doi
چکیده

شناخت ویژگی‌های فیزیکی دانه‌ی ‌گندم در فرآیند انتقال، جداسازی و ذخیره این محصول ارزشمند، نقش اساسی ایفا می‌نماید. در این مطالعه و در گام نخست، اثرات میزان بوجاری، رطوبت، دما و مدت زمان نگهداری روی برخی از ویژگی‌های فیزیکی (هکتولیتر، وزن هزار دانه و دانسیته توده) و میکروبی (شمارش کلی میکروارگانیسم‌ها و کپک‌ها) دانه‌ی گندم رقم n-80 بررسی شد و سپس داده‌های حاصله توسط شبکه‌‌ی عصبی مصنوعی مدل پرسپترون چند لایه‌ و شبکه تابع پایه‌ی شعاعی با توابع آستانه مختلف، شبیه‌سازی شد و داده‌های پیش‌بینی شده توسط شبکه عصبی مصنوعی با داده‌های تجربی مورد مقایسه قرار گرفتند. نتایج نشان داد، شبکه پرسپترون چند لایه با یک لایه مخفی با تابع فعال‌سازی تانژانت هیپربولیک- تانژانت هیپربولیک، برای ویژگی‌های‌های فیزیکی با چیدمانی با پنج ورودی، 11 نرون در لایه پنهان، 3 خروجی (3-11-5) با تعداد تکرار 3000 و همچنین برای ویژگی‌های میکروبی، چیدمانی با پنج ورودی، 4 نرون در لایه پنهان، 2 خروجی (2-4-5) و با تعداد تکرار 4000، بهترین نتیجه را برای پیش‌بینی این ویژگی‌ها در مقایسه با شبکه‌ی تابع پایه‌ی شعاعی داشتند. ضرایب تبیین برای ویژگی‌‌های هکتولیتر، وزن هزار دانه، دانسیته توده، شمارش کلی میکروارگانیسم‌ها و کپک در شبکه‌ی پرسپترون چند لایه به ترتیب برابر با 950/0، 989/0، 908/0، 908/0 و 938/0 بودند. میزان هکتولیتر و دانسیته توده با بالا رفتن سطوح رطوبتی، مدت زمان نگهداری و دما کاهش و با افزایش سطوح بوجاری افزایش یافت. میزان شمارش کلی میکروارگانیسم‌ها و کپک با افزایش رطوبت، دما و مدت زمان نگهداری افزایش و با بالا رفتن سطوح بوجاری کاهش یافتند.