دوره 21، شماره 152 - ( 1403 )                   جلد 21 شماره 152 صفحات 193-181 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mamivand Z, Emamifar A, Salehi F, Karami M. Modeling of microwave pretreatment effect on the oil extraction from tomato seeds by artificial neural network method. FSCT 2024; 21 (152) :181-193
URL: http://fsct.modares.ac.ir/article-7-74228-fa.html
ممیوند زهرا، امامی فر آریو، صالحی فخرالدین، کرمی مصطفی. مدل‌سازی اثر پیش‌تیمار مایکروویو براستخراج روغن از دانه‌های گوجه‌فرنگی به روش شبکه عصبی مصنوعی. مجله علوم و صنایع غذایی ایران. 1403; 21 (152) :181-193

URL: http://fsct.modares.ac.ir/article-7-74228-fa.html


1- گروه علوم و صنایع غذایی، دانشکده صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران
2- گروه علوم و صنایع غذایی، دانشکده صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران ، a.emamifar@basu.ac.ir
چکیده:   (584 مشاهده)
افزایش تقاضای مصرف‌کنندگان برای استفاده از مواد غذایی طبیعی و بدون افزودنی و همچنین افزایش ضایعات صنایع غذایی، محرک استفاده از محصولات جانبی کارخانه­های مواد غذایی در دیگر صنایع غذایی است. تفاله گوجه‌فرنگی ازجمله ضایعات کارخانه­های مواد غذایی است که در کارخانه­های تولید رب و سس از گوجه­فرنگی تولید می‌شود.  هدف از این پژوهش بررسی اثر پیش­تیمار مایکروویو و روش استخراج بر ویژگی­های فیزیکی و شیمیایی روغن دانه ­گوجه­فرنگی بود. پیش­تیمار دانه­ها با امواج مایکرویوو (0، 200 و 500 وات) طی زمان­های مختلف (0، 1، 3 و 5 دقیقه) انجام و روغن دانه­ها با روش سوکسله و پرس استخراج گردید. برخی ویژگی­های فیزیکی و شیمیایی روغن استحصالی شامل بازده استخراج، ویسکوزیته، عدد اسیدی، عدد پراکسید، و مؤلفه‌های رنگی شامل روشنایی، قرمزی و زردی ارزیابی گردید. تجزیه و تحلیل داده‌ها بر اساس آزمایش فاکتوریل در قالب طرح آماری کاملاً تصادفی در سه تکرار انجام شد. داده‌های آزمایشگاهی این پژوهش توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 3 ورودی (روش استخراج، توان مایکروویو و زمان تیماردهی) و 7 خروجی (درصد استخراج، عدد اسیدی، عدد پراکسید، ویسکوزیته، روشنایی، قرمزی و زردی) مدل‌سازی شد. نتایج مدل‌سازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد شبکه‌ای با ساختار 7-8-3 در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند درصد استخراج، عدد اسیدی، عدد پراکسید، ویسکوزیته، روشنایی، قرمزی و زردی روغن تهیه‌شده از دانه‌های گوجه‌فرنگی را با ضریب همبستگی بالا و مقدار خطا پایین پیش‌بینی نماید. بر اساس نتایج آزمون آنالیز حساسیت، روش استخراج در مقایسه توان و زمان پیش‌تیمار دانه­ها با مایکرویوو، به‌عنوان عامل اصلی تعیین گردید
متن کامل [PDF 831 kb]   (515 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: تکنولوژی روغن و فرآورده ها
دریافت: 1402/12/20 | پذیرش: 1403/1/27 | انتشار: 1403/7/1

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.