عنوان پایان‌نامه
بررسی کیفیت، میزان تغییر رنگ، شکل و اندازه سیر در خشک کردن به روش لایه نازک با استفاده از پردازش تصویر
- رشته تحصیلی
- مهندسی کشاورزی - مکانیک ماشینهای کشاورزی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 5492;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59187
- تاریخ دفاع
- ۰۴ تیر ۱۳۹۲
- دانشجو
- مصطفی اسمعیلی
- استاد راهنما
- حسین مبلی
- چکیده
- خشک کردن یکی از متداولترین روشهای نگهداری مواد غذایی و محصولات کشاورزی میباشد. تحقیق پیش رو با هدف بررسی کیفیت، میزان تغییر رنگ، شکل و اندازه سیر خوراکی در خشک کردن به روش لایه نازک با استفاده از پردازش تصویر و نیز انتخاب شرایط بهینه برای خشک کردن سیر در روش لایه نازک با توجه به میزان تغییر رنگ و کیفیت محصول صورت گرفته است. بر این اساس آزمایشهایی با چهار سطح دمایی (45، 55، 65 و 75 درجه سلسیوس) و سه سطح ضخامت نمونه (5/1، 5/2 و 5/3 میلیمتر) انجام گرفت. برای انجام آزمایش از یک خشککن آزمایشگاهی مجهز به سامانه تصویربرداری استفاده گردید. در بحث بررسی تغییرات شکل محصول، تصاویر دریافتی توسط دوربین در محیط نرم افزار MATLAB مورد پردازش قرار گرفت. سپس تغییرات سطح، محیط، گردی و کشیدگی محصول بررسی شد. برای بررسی سینتیک تغییرات رنگ محصول طی فرآیند خشک شدن از شاخصهای تغییر روشنایی، تغییر رنگ کل، کروما، زاویه رنگ و شاخص قهوهای شدن استفاده شد. میزان تغییر رنگ کل و روشنایی، با استفاده از مدلهای خطی و نمایی بر حسب زمان بررسی شدند. برای پیشبینی تغییرات محتوای رطوبتی و رنگ محصول از شبکههای عصبی مصنوعی نوع پس انتشار پیشخور با تابع آموزش لونبرگ-مارکوارت و تابع انتقال لگاریتمی استفاده گردید. در نهایت شبکه انتخاب شده و بهترین مدل ریاضی برای پیشبینی تغییرات محتوای رطوبتی محصول بایکدیگر مقایسه شدند. به منظور بررسی تاًثیر شرایط مختلف بر تغییرات کیفی اسانس استخراج شده از سیر، تغییرات مواد موثر حاوی گوگرد حاصل از اسانس به کمک روش سطح پاسخ مورد بررسی قرار گرفت. نتایج حاصل از این تحقیق نشان داد که مهمترین عامل تاًثیرگذار بر تغییرات سطح و محیط نمونهها، ضخامت نمونه بود و تاًثیر دمای هوای خشک کردن چندان مشخص نبود. بررسی تغییر رنگ محصول نشان داد که دماهای کمتر و ضخامتهای بالاتر موجب تغییر رنگ بیشتر میشود. مقایسه شبکه عصبی و مدل ریاضی نشان داد که در پیشبینی محتوای رطوبتی محصول طی فرآیند خشک شدن، توانمندی شبکههای عصبی بیشتر و اطمینانبخشتر است.
- Abstract
- Drying is one of the most prevalent methods of maintaining food and agricultural products. This thesis focuses on two problems in the field of thin layer drying process. First, analysis of quality and color difference, shape and size of nutritive garlic utilizing Image processing methods and secend deriving the optimal drying conditions bassed on differences of product color and quality. According to the research goals, four layers of temprature (45, 55, 65 and 75) and three layers of thickness (1.5, 2.5 and 3.5 mm) have been experienced. A laboratory dryerequiped with imaging utilities was used fof experiments. The MATLAB image processing toolbox was used to analyze the product shape difference including area, perimeter, roundness and elongation. Kinetic of product color difference has been investigated using indexes of lightness, total color difference, chroma, hue angle and browning. The total color difference and lightness were represented using timed linear and exponential models. The back propagation feed forwarding neural networks with levenberg-marquart training functions and logarithmic transfer function have been used to predict differences of moisture content and products color. Eventually, the selected network and best predicting mathematical model of moisture contents were compared. To investigate the effect of different variables on quality difference of extracted garlic, the difference in substantial organo sulfur components has been analysed with the help of response surface method. Results show that the most difference variable on the shape of especimens was thickness and the drying air temprature is not so effective. Investigation on products color changes, show that the temprature is more effective on product color changes than especimens thickness. Prediction of product moisture content in drying process using neural network was more reliable in coparison with mathematical models. Keyword: Garlic, Color difference, Allicin, Artificial neural network, response surface.
