عنوان پایان‌نامه
بررسی تکینتیک انتقال جرم خصوصیات فیزیکوشیمیایی وبعدبر خالی گوشت فیله ران شترمرغ سرخ شده به روش عمیق با استفاده از شبکه های عصبی مصنوعی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 4023;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45553
- تاریخ دفاع
- ۱۵ شهریور ۱۳۸۹
- استاد راهنما
- فرامرز خدائیان چگنی
- دانشجو
- محمدرضا امیریوسفی
- چکیده
- اولین هدف از این مطالعه بررسی تأثیر پیش پخت با مایکروویو بر کینتیک انتقال جرم طی سرخ کردن عمیق قطعات گوشت شترمرغ بود. طی مراحل آزمایش، قطعات گوشت حاصل از عضله ران شترمرغ گردن آبی (Struthio camelus australis) و پیش پخت شده با مایکروویو در 9 فاصله زمانی از صفر تا 135 ثانیه و سه دما (135، 150 و 160 درجه سانتیگراد) سرخ شدند. سپس تأثیر سطوح قدرت مایکروویو، دما و زمان سرخ کردن بر کینتیک انتقال جرم تعیین شد. از میان تمامی تیمارها، قطعاتی از گوشت که در قدرت W/g 23/5 مایکروویو پیش پخت شدند و سپس در دمای 135 درجه سانتیگراد به صورت عمیق سرخ شدند، کمترین میزان محتوای چربی را داشتند. مقادیر انتشار رطوبت مؤثر بین 8-10×47/1 تا m2/s 8-10×17/4 به دست آمدند. همچنین ثابت سرعت انتقال روغن در محدوده 024/0 تا s-1708/19 قرار داشت. انرژی فعال سازی هم که از روی نمودار آرنیوسی انتشار رطوبت مؤثر به دست آمد، بین 84/38 تا 07/51 کیلو ژول بر مول تغییر کرد. با افزایش اطلاعات در زمینه کینتیک تغییرات رنگ، امکان بهبود پارامترهای رنگی به وجود آمده است. لذا آنالیز داده های کینتیکی رنگ این اجازه را می دهد تا تغییرات نامطلوب به حداقل رسیده و ابقای رنگ در محصول بهینه شود. بنابراین یکی دیگر از اهداف این تحقیق کاربرد پردازش تصویر در ارزیابی کینتیک تغییرات رنگ سطح قطعات گوشت شترمرغ طی سرخ کردن به روش عمیق بود. جهت استخراج پارامترهای رنگی در فضای رنگی L*a*b، عملیات تصویرگیری و پردازش تصویر انجام شد. برای پردازش تصاویر و تبدیل فضای رنگی از نرم افزارهای فتوشاپ و ایمیج جی استفاده شد. برای توصیف کینتیک تغییر رنگ گوشت سرخ شده، یک مدل درجه اول مبتنی بر اختلاف بین مقادیر کمینه و بیشینه، به کار رفت. در اینجا نیز حساسیت به دمای ثابت های سرعت با استفاده از رابطه آرنیوس بررسی گردید و مقدار انرژی فعال سازی تغییرات رنگ کل 80/44 کیلوژول بر مول به دست آمد. آنالیز آماری نیز نشان داد که پارامترهای عملیاتی مورد بررسی و نیز اثر متقابل آنها، تأثیر معنی داری بر تغییرات کل رنگ سطح گوشت دارد. در بخش بعدی با استفاده از پردازش تصویر، بعد برخالی تصاویر سطح نمونه های گوشت خام و سرخ شده محاسبه شد که اختلاف بین آنها تخمین خوبی از ناهمواری های ایجاد شده در سطح واقعی نمونه های گوشت شترمرغ به دست می دهد؛ آنالیز آماری هم مؤید همین مطلب بود. در نهایت برای پیش بینی کینتیک انتقال جرم، چروکیدگی و تغییر رنگ سطح نمونه های گوشت شترمرغ سرخ شده از شبکه های عصبی مصنوعی استفاده شد. برای این منظور، با در نظر گرفتن پارامترهای عملیاتی آزمایش به عنوان ورودی، 2 شبکه پیش خور تعمیم یافته با دو لایه مخفی به صورت جداگانه طراحی شد. نتایج به دست آمده، بر اساس بیشترین مقادیر عددی ضریب همبستگی بین مقادیر آزمایشگاهی و مقادیر پیش بینی شده، نشان داد که برای محتوای رطوبت و محتوای چربی، بهترین شبکه دارای 13 نورون در اولین و 12 نورون در دومین لایه مخفی داشت (به ترتیب با ضریب همبستگی 933/0 و 890/0). همچنین برای چروکیدگی و تغییرات رنگ سطح، شبکه عصبی به ترتیب دارای 12 و 11 نورون در اولین و دومین لایه مخفی بهترین بود (به ترتیب با ضریب همبستگی 892/0 و 802/0). نتایج تحلیل حساسیت شبکه های عصبی انتخاب شده نشان داد که محتوای رطوبت و محتوای چربی در مقایسه با سایر متغیرها بیشترین حساسیت را نسبت به دمای سرخ کردن از خود نشان دادند. به صورت مشابه برای پیکربندی دوم شبکه، قدرت مایکروویو مؤثرترین متغیر بود که بیشترین تأثیر را بر درصد چروکیدگی و تغییرات رنگ داشت.
- Abstract
- The first aim of this study was to evaluate the effect of microwave precooking on mass transfer during deep-fat frying of ostrich meat plates. During experiments, microwave precooked and crude ostrich meat plates were fried at nine intervals until 135s and three temperatures (135, 150 and 160 °C). Then the influence of microwave power level, frying temperature and time on mass transfer were determined. Among all treatments, the plates being precooked at 5.23 W/g of microwave power and then deep fat fried at 135 °C, had the minimum fat content. The effective moisture diffusivity ranged between 1.47×10-8 to 4.17×10-8 m2/s. Fat transfer rate constant was in the range of 0.024 and 19.708 s-1. The activation energy obtained from Arrhenius plot for the effective moisture diffusivity ranged between 38.84 and 51.07 kJ/mol. Due to increase of knowledge about color kinetics, there are the possibilities to improve color parameters. Color kinetic analysis helps to a minimum the undesirable changes and optimizes color retention in the product. Therefore, the other aim of this study was applying image analysis in evaluation of crust color kinetics of ostrich meat plates during deep-fat frying. Image acquisition and analysis for obtaining the color parameters was carried out in L*a*b* space using Photoshop and ImageJ software. To describe crust color kinetics of fried meat plates, a first-order model based on differences of maximum and minimum color values, was used. Furthermore, here, temperature dependency of the reaction rate constant was modeled with Arrhenius equation. The activation energy for color parameters was 44.80 kJ/mol. Statistical analysis showed that practical parameters and also the interaction of them had significant impacts on total color change of meat plates’ surfaces. In next section of this study, using image analysis, the fractal dimensions of images’ surfaces of crude and fried meat plates were calculated. The differences between them estimate truly the produced inequality in real surfaces of ostrich meat plates; Statistical analysis corroborated this too. Finally, artificial neural network was used to predict mass transfer kinetics as well as color changes and shrinkage of deep-fat fried ostrich meat plates. Two generalized feed-forward networks with two hidden layers were separately developed by using the operation conditions as inputs. Results based on the highest numerical quantities of the correlation coefficients between the experimental versus predicted values, showed that for moisture content and fat content, the best ANN had 13 neurons in the first hidden layer and 12 neurons in the second one (r = 0.933 and 0.890, respectively). Also for shrinkage and color changes, an ANN with 12 and 11 neurons in the first and second hidden layers respectively was the best (r = 0.892 and 0.802, respectively). Sensitivity analysis results of selected ANNs showed that among the input variables, moisture content and fat content were the most sensitive to frying temperature compared to other variables. Similarly, for the second ANN architecture, microwave power density was the most effective variable having the maximum effect on both shrinkage percentage and color changes.
