عنوان پایان‌نامه
پیش بینی تغییر خصوصیات فیزیکوشیمیایی تمشک خشک شده در فرایند خشک کردن بستر سیال – مایکروویو با استفاده از مدل شبکه های عصبی مصنوعی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4866;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53048
- تاریخ دفاع
- ۲۳ خرداد ۱۳۹۱
- دانشجو
- قاسم یوسفی
- استاد راهنما
- زهرا امام جمعه
- چکیده
- در این پژوهش، خشک کردن تمشک در یک خشک‌کن ترکیبی بستر سیال تحت مایکروویو مورد مطالعه قرار گرفت. برای بررسی و پیش بینی خصوصیات فیزیکوشیمیایی این میوه از مدلسازی شبکههای عصبی مصنوعی استفاده گردید. برای این منظور از یک خشک‌کن ترکیبی بستر سیال تحت مایکروویو که توان مایکروویو، سرعت جریان هوا و دمای هوا به آسانی و با دقت بالا قابل کنترل است، استفاده گردید. در این تحقیق تاثیر پنج متغیر توان مایکروویو (0، 300 و 600 وات)، دمای هوا (55، 70 و 85 درجه سلسیوس)، سرعت هوا (15، 20 و 25 متر بر ثانیه)، زمان شروع مایکروویودهی ( از لحظهای که محتوای رطوبتی 3.33، 4 و4.66 گرم آب بر گرم ماده خشک کاهش یافت) و مقدار ماده (50، 100 و 150 گرم) بر روی زمان خشک کردن، ظرفیت جذب مجدد آب، چگالی، سفتی بافت، ساختار میکروسکوپی، فعالیت آبی، انرژی، ترکیبات فنولی، آنتوسیانین ها و فعالیت آنتی اکسیدانی مورد مطالعه قرار گرفت. برای بررسی تاثیر این عوامل و بهینه کردن از نرم افزار Minitab 16.1 با طرح کامپوزیت استفاده گردید. نتایج بدست آمده حاکی از آن بود که توان مایکروویو، زمان شروع مایکروویودهی و دمای هوا بیشترین تاثیر را داشتند. بطوریکه با افزایش توان مایکروویودهی بخصوص در مراحل پایانی و کاهش فاکتورهای دما، سرعت هوا و مقدار ماده منجر به محصولی با کیفیت بالاتری خواهد شد. پیش گویی خصوصیات کیفی تمشک خشک شده با مدلسازی شبکه عصبی انجام گرفت. مدلهای شبکه عصبی به صورت پرسپترون چند لایه طراحی شدند که خصوصیات با ضریب تبیین بالایی قابل پیشبینی بودند.
- Abstract
- The main target of this research is drying raspberries in a Microwave assisted fluidized bed dryer. In order to evaluate and predict the physicochemical properties of this fruit, artificial neural network modeling was used. In this dryer air flow rate, temperature and also power of microwave could be controlled easily and with high accuracy. In this research, the effects of five variables: power of microwave (0, 300 and 600 W), temperature (55, 70 and 85 °C), air flow rate (15, 20 and 25 m/s), starting time of microwave input (from the moment when the moisture content decreased until 3.33, 4 and 4.66 g water per g dry matter) and amount of material (50, 100 and 150 g) on the drying time, rehydration capacity, density, hardness, microstructure, water activity, energy consumption, phenolic compounds content, anthocyanins content and antioxidant activity were studied. For elucidating the effect of these factors and optimization results, Minitab 16.1 software and central composite design with three levels were used. Results showed that, air temperature, power and starting time of microwave were the most effective factors in this study. By increasing microwave power especially in the final stages of drying and with decreasing temperature, air velocity and the amount of matter, products quality improved. Prediction the qualitative properties of dried raspberry have done by neural network modeling. Multilayer perceptron was used to develop neural network model which showed a high coefficient of determination.
