مدل‌سازی فرایند پخت در حین استخراج روغن از دانه‌های آفتابگردان با استفاده از شبکه‌های عصبی مصنوعی در مقیاس صنعتی

بخش آبادی, حمید; وحدانی, مرضیه; مقیمی, معصومه; بذرافشان, مسعود; رشیدزاده, شیلان; بوژمهرانی, ابولفضل

مدل‌سازی فرایند پخت در حین استخراج روغن از دانه‌های آفتابگردان با استفاده از شبکه‌های عصبی مصنوعی در مقیاس صنعتی

نویسندگان

حمید بخش آبادی ¹

مرضیه وحدانی ²

معصومه مقیمی ³

مسعود بذرافشان ⁴

شیلان رشیدزاده ⁵

ابولفضل بوژمهرانی ⁶

¹ دانشجوی دکتری مهندسی مواد و طراحی صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

² دانش آموخته کارشناسی ارشد علوم و صنایع غذایی، دانشگاه آزاد اسلامی، دامغان، ایران

³ گروه شیمی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران

⁴ دانش آموخته دکتری تکنولوژی مواد غذایی، دانشگاه آزاد اسلامی، سبزوار، ایران

⁵ مدرس دانشگاه پیام‌نور شهرستان گرگان

⁶ عضو هئیت مدیره شرکت پنبه و دانه‌های روغنی خراسان

چکیده

چکیده
مرسوم‌ترین روش‌های استخراج روغن از دانه‌های روغنی، استفاده از پرس و حلال می‌‌باشد که موثرترین روش استخراج روغن آفتابگردان، مانند سایر دانه‌های با درصد روغن بالا نظیر کلزا، پرس مکانیکی و به دنبال آن استخراج با حلال می‌باشد. در این تحقیق به منظور مدل‌سازی فرایند استخراج روغن از دانه‌های آفتابگردان در مقیاس صنعتی از 3 سطح دمای پخت (70، 80 و 100 درجه سانتی‌گراد) و سه سطح رطوبت دانه‌های خروجی از دیگ پخت (7، 5/7 و 8 درصد) استفاده گردید و میزان روغن، رطوبت و پروتئین کنجاله و درصد مواد ریز نامحلول در روغن و اسیدیته روغن مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزارشبکه‌های عصبی مصنوعی در نرم‌افزار MATLAB R2013a استفاده شد. با بررسی شبکه‌های مختلف شبکه‌ی پس‌انتشار پیشخور با توپولوژی‌های2-5-10 با ضریب همبستگی بیشتر از 999/0 و میانگین مربعات خطای کمتر از 003/0 و با بکارگیری تابع فعال‌سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ– مارکوات و چرخه یادگیری 1000 به عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینه‌ی انتخاب شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا )بیش از 96/0( قادر به پیش‌بینی روند تغییرات بودند.

کلیدواژه‌ها

کلید واژگان: دانه‌های آفتابگردان

روغن‌کشی

مدل‌سازی

شبکه عصبی