عنوان پایان‌نامه
بهینه سازی تولید پودر آب آلبالو به روش پاششی با استفاده از مدل های شبکه های عصبی و انفیس
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5085;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54961
- تاریخ دفاع
- ۲۰ شهریور ۱۳۹۱
- دانشجو
- اسماعیل کریمی روش
- استاد راهنما
- سیدمحمدعلی ابراهیم زاده موسوی, زهرا امام جمعه
- چکیده
- در این پژوهش تاثیر خشک کردن پاششی بر روی خصوصیات فیزیکی و شیمیایی پودرآب آلبالو مورد بررسی قرار گرفت. جهت تولید پودر آلبالو از یک خشک‌کن پاششی آزمایشگاهی استفاده شد. برای رسیدن به محصول بهینه اثر غلظت های 12، 15 و 18 درصد مالتودکسترین با معادل دکستروز 6، اثر دمای هوای ورودی در سه سطح C? 130، 160 و 190، سرعت هوای ورودی در سه سطح L/h400، 550 و 700 و سرعت تغذیه در سه سطح 4، 8 و 12 درصد مورد آزمایش قرار گرفت. سپس اثر این عوامل بر روی راندمان، تغییرات رنگ، محتوای آنتوسیانین کل، فعالیت آنتی اکسیدانی، ترکیبات فنولی، تخلخل، رطوبت، دانسیته، فعالیت آبی و حلالیت نمونه های خشک شده مورد بررسی قرار گرفت. نتایج نشان داد افزایش دما باعث افزایش راندمان(تا دماهای تقریبا 160 درجه سانتی گراد) و میزان قهوه ای شدن، تخلخل و حلالیت و کاهش میزان آنتوسیانین، فعالیت آنتی اکسیدانی، رطوبت، فعالیت آبی و دانسیته ظاهری می شود، افزایش غلظت مواد حامل باعث افزایش راندمان، حلالیت، تخلخل و کاهش میزان آنتوسیانین، فعالیت آنتی اکسیدانی، ترکیبات فنولی، دانسیته ظاهری، قهوه ای شدن، رطوبت و فعالیت آبی می شود. افزایش سرعت هوای ورودی باعث افزایش راندمان، دانسیته ظاهری و میزان قهوه ای شدن و کاهش میزان آنتوسیانین، فعالیت آنتی اکسیدانی، ترکیبات فنولی، رطوبت، فعالیت آبی، حلالیت و تخلخل می شود.افزایش سرعت تغذیه باعث افزایش دانسیته ظاهری، رطوبت و فعالیت آبی و کاهش راندمان، حلالیت، تخلخل و قهوه ای شدن و بر روی فعالیت آنتی اکسیدانی، میزان آنتوسیانین و ترکیبات فنولی تقریبا بی تاثیر بود. در پایان، پیش بینی خصوصیات فیزیکوشیمیایی پودر آب آلبالو با مدلسازی شبکه عصبی انجام گرفت، به این منظور از پرسپترون چند لایه (MLP) با الگوریتم یادگیری پس انتشار خطا برای مدل¬سازی شبکه¬ها در محیط¬های NeuroSolutionsو ANFISانجام شد.در نهایت مدل طراحی شده به خوبی با داده های آزمایشی تطابق داشت.
- Abstract
- The main target of this work was to study the influence of spray drying conditions on the pHysical and chemical properties of sourcherry powder. To spray drying process a lab-scale spray dryer was employed. To achieveoptimum product, the Effect of maltodextrin 6DE with different concentration (12, 15, and 18%), three different temperatures (130, 160, and 190?C), three compressed air flow rates (400, 600, and 800 l/h) and three feed rate of juice on the powder quality were investigated. Effects of independent variables on the drying yield, color change, bulk density, solubility, prosity, moisture, aw, total anthocyanin content, pHenolic content and antioxidant activity were investigated. The results show that increasing carrier concentration causes an increase in drying yield, prosity and solubility, and a decrease in moisture, aw, pHenolic content, TAC, antioxidant activity, bulk density, and browning index. Higher air inlet temperature caused an increase in prosity, process yield and solubility (than about 160° C) and browning index, and a decrease in moisture, aw, bulk density and pHytochemicals. Increasing the compressed air flow rate has a positive effect on drying yield, browning index and bulk density, and a negative effect on solubility, prosity, aw, moisture, pHenolic content, TAC, and antioxidant activity. The results show that increasing feed rate causes an increase in moisture, density and aw, and a decrease in prosity, solubility, drying yield and browning index. Increasing the feed rate approximately was inffective on pHytochemicals. A supervised artificial neural network (ANN) trained by back propagation algorithms was developed to predict the quality properties of sourcherry powder. A feed-forward multi-layered perceptron (MLP) artificial neural network trained by back propagation (BP) algorithm and ANFIS were selected to develop the prediction model. This model was fitted with experimental data very well.
