تعیین شرایط بهینه با روش سطح پاسخ و مقایسه دو روش شبکه عصبی و رگرسیون در خشک کردن سیب‌زمینی پرتودیده با اشعه گاما

نویسندگان
1 دانشجوی کارشناسی ارشد، مهندسی مکانیک بیوسیستم، دانشگاه بوعلی‌سینا همدان
2 دانشجوی دکتری، مهندسی مکانیک بیوسیستم، دانشگاه شهرکرد
3 عضو هیأت علمی پژوهشکده کاربرد پرتوها، پژوهشگاه علوم و فنون هسته‌ای، سازمان انرژی اتمی ایران
4 دانشجوی دکتری، مهندسی مکانیک بیوسیستم، دانشگاه آزاد واحد علوم و تحقیقات تهران
چکیده
چکیده با فرآوری مواد غذایی به روش پرتودهی، کیفیت مواد غذایی حفظ شده و با کنترل میکروارگانیسم­ها عوامل فساد کنترل می­گردد. همزمان روش­های مختلف خشک کردن نیز که به حفظ کیفیت و بافت محصول منجر می­گردد، کاربرد زیادی دارند. در این پژوهش با کمک روش سطح پاسخ، شرایط بهینه خشک کردن سیب­زمینی پرتو دیده با اشعه گاما تعیین شد. برای پرتودهی نمونه­ها از چشمه کبالت 60 (گاماسل 220) استفاده شد. نمونه­ها با دزهای صفر، 2 ،5 و 8 کیلوگری پرتودهی شدند و خشک کردن با استفاده از مایکروویو در سه توان 200، 400 و 600 وات و در سه ضخامت 5، 7 و 9 میلی­متر انجام گرفت. شرایط بهینه مربوط به دز پرتودهی5 کیلوگری، ضخامت نمونه 7 میلی­متر و توان مایکروویو 400 وات و برای L*، a*، b*، تغییرات رنگ، زاویه هیو، کروما و شاخص قهوه­ای شدن به ترتیب، 87/57، 95/0-، 19/42، 73/10، 53/1-، 22/42 و 59/113 پیشنهاد شد. علاوه بر تاثیر متغیرهای دز پرتودهی، ضخامت نمونه و توان خشک­کن مایکروویو بر روی شاخص­های رنگ از جمله *L ،a*،b*، شاخص قهوه­ای شدن، کروما و زاویه هیو نیز بررسی شدند. با افزایش مقدار دز پرتودهی، افزایش ضخامت نمونه و توان مایکروویو، شاخص تغیرات رنگ کاهش، زاویه هیو افزایش و دانسیته رنگ کاهش می­یابد. در نهایت با استفاده از مدل شبکه عصبی، خشک کردن سیب­زمینی پرتودیده مدل­سازی شده و توانایی این مدل در پیش­بینی تغییرات رنگ با مدل رگرسیون و سطح پاسخ مقایسه گردید. در این مقایسه مدل شبکه عصبی داری قابلیت بالاتر در پیش­بینی نسبت به مدل رگرسیون بود (ضریب تعیین 9706/0 ).
کلیدواژه‌ها

عنوان مقاله English

Determination of optimal conditions using Response Surface method and comparision of Naural Network and Regression method of drying gamma irradiated potato

نویسندگان English

Hoda Yosefian 1
Ayat Mohammad Razdari 2
Marziyeh Seihoon 3
Hassan Kiyani 4
چکیده English

By irradiation as Food processing method, Food quality is maintained and control of microorganism causes prevention of corruption. Simultaneously, Methods of drying, which leads to maintaining the quality and texture, are used. In this study, optimal conditions were determined by drying gamma rays irradiated potatoes with response surface method. For sample, the source of 60 Co irradiation (Gamma Cell 220) was used. Samples with 0, 2, 5 and 8 kGy doses were irradiated. Drying using microwave power at 200, 400 and 600 W and in three thicknesses of 5, 7 and 9 mm of sample was performed. Optimal conditions for radiation dose of 5 kGy, sample thickness of 7 mm and a microwave power of 400 W and L*, a*, b*, color changing, hue angle, Croma and browning index were proposed to 57.87, -0.95, 42.19, 10.73, -1.53, 42.22 and 113.59, respectively. In addition to the effects of radiation variables, the thickness of the sample and the microwave drying effect on indicators such as L*, a*, b*, browning index, Croma and hue angle was investigated.Type text or a website address or translate a document.Did you mean: شرایط بهینه مربوط به دز پرتودهی 5 کیلو گیری، ضخامت نمونه 7 میلی متر و توان مایکروویو 400 وات و برای ‏L*‎، ‏a*‎، ‏b*‎، ‏تغییرات رنگ، زاویه هیو، کروما و شاخص قهوه ای شدن به ترتیب، 87/57، 95/0-، 19/42، 73/10، 53/1-، 22/42 و 59/113 ‏پیشنهاد شد With increasing irradiation dose, increasing the thickness of the sample and the microwave power, the color index decrease, Hue angle color and color density increases and decrease, respectively. Finally, using the neural network model, drying of irradiated potato was modeling and ability of the model to predict of the color changes in regression and response surface method was compared. In this comparison the neural network model was capable for prediction higher than the regression model ( ).

کلیدواژه‌ها English

Drying
RSM
Gamma ray
Neural Network
Regresion