- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,720 |
| تعداد مقالات | 30,981 |
| تعداد مشاهده مقاله | 26,693,216 |
| تعداد دریافت فایل اصل مقاله | 16,123,510 |
ارزیابی خواص کیفی هویج در خشک کنی با مایکروویو با پیش تیمارهای مختلف به کمک شبکۀ عصبی مصنوعی | ||
| تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی | ||
| مقاله 7، دوره 21، شماره 75، آذر 1399، صفحه 81-96 اصل مقاله (887.15 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/erams.2020.127233.1323 | ||
| نویسندگان | ||
| محسن آزاد بخت* 1؛ محمد جواد محمودی2؛ محمد واحدی ترشیزی2؛ رضا قزاق جاهد3 | ||
| 1دانشیار؛ گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، گلستان، ایران | ||
| 2دانشجوی کارشناسی ارشد، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، گلستان، ایران | ||
| 3دانشجوی کارشناسی، گروه مکانیک بیوسیستم، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، گلستان، ایران | ||
| چکیده | ||
| هویج به قطعات مساوی خرد و با دو روش پیش تیمار اهمیک و بلانچینگ تیماردهی شد. در پیش تیمار اهمیک سطوح 40، 60 و 80 ولت و زمان 2، 4 و 6 دقیقه و در پیش تیمار بلانچینگ پارامتر زمان مورد بررسی 2، 4 و 6 دقیقه در نظر گرفته شد. بلافاصله بعد از پیش تیمار، نمونه‌ها در مایکروویو با سطوح توانی 360، 600 و 900 وات خشک شدند و بعد از خشک شدن ویژگیهای کیفی آنها مانند میزان آنتی‌اکسیدان، فلاوونوئید و فنل کل برای نمونه‌ها اندازه گیری شد. در این تحقیق، از شبکۀ عصبی چند لایۀ پرسپترون برای آموزش داده‌ها با استفاده از 3 و 6 نرون در لایۀ مخفی و سه تابع فعال‌سازی تانژانت هیپربولیک، سیگموئیدی و خطی استفاده شد. با توجه به نتایج به دست آمده، برای پیشتیمار اهمیک بهترین مقادیر R2 و RMSE برای مقدار آنتی‌اکسیدان (سیگموئیدی- 6 نرون)، مقدار فلاوونوئید (تانژانت هیپربولیک- 6نرون) و مقدار فنل کل (سیگموئیدی– 6 نرون) بود. همچنین برای پیش تیمار بلانچینگ نیز شبکۀ فعال‌سازی با 3 نرون در لایۀ پنهان و بهترین مقادیر R2 و RMSE را برای مقدار فنل کل، فلاوونوئید و آنتی‌اکسیدان برای تابع فعال‌سازی تانژانت هیپربولیک به دست آمد. | ||
| کلیدواژه‌ها | ||
| بلانچینگ؛ تابع فعال سازی مختلف؛ گرمایش اهمیک؛ نورون | ||
| عنوان مقاله [English] | ||
| Evaluation of Carrot Qualitative Properties in Microwave Drying with Different Pretreatments by Artificial Neural Network | ||
| نویسندگان [English] | ||
| Mohsen Azadbakht1؛ Mohammad Javad Mahmoodi2؛ Mohammad Vahedi Torshizi2؛ Reza Ghazagh Jahed3 | ||
| 1Associate Professor, Department of Biosystem Mechanical Engineering, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Golestan, Iran. | ||
| 2M. Sc. Student, Department of Biosystem Mechanical Engineering, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Golestan, Iran. | ||
| 3Department of Biosystem Mechanical Engineering, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Golestan, Iran. | ||
| چکیده [English] | ||
| In this research, the carrot was first grounded in equal pieces; the pieces underwent pretreatment using Ohmic and blanching methods. The treatments were preheated at 3 ohmic voltage levels as 40, 60 and 80 Volt and 3 period levels of 2, 4 and 6 minutes. Then parameters examined in the pretreatment blanching in 3 period levels of 2, 4 and 6 minutes. After the pre-treatment, samples were dried in microwave in 3 power levels of 360, 600 and 900 W. The qualitative properties of samples including antioxidant, flavonoids and total phenol content were determined for pre-treated and dried samples. A multilayer neural network of perceptron was used to teach data using 3 and 6 neurons in the hidden layer and three functions of hyperbolic, sigmoid, and linear tangent activation. According to the results obtained from the network, for Ohmic premixing method the best values of R2 and RMSE were observed for antioxidant content (sigmoid-6 neuron), flavonoids content (hyperbolic tangent-6 neuron) and total phenol content (sigmoid-6 neuron). Also, the activation network with 3 neurons in the hidden layer and the hyperbolic tangent activation function were able to obtain the best values of R2 and RMSE for the total phenol content, flavonoids and antioxidants in the blanching pre-treatment. | ||
| کلیدواژه‌ها [English] | ||
| Blanching, Different Activation Function, Neuron, Ohmic Heating | ||
| مراجع | ||
|
Azadbakht, M., VAhedi Torshizi, M., Noshad, F., & Rokhbin, A. (2018). Application of artificial neural network method for prediction of osmotic pretreatment based on the energy and exergy analyses in microwave drying of orange slices. Energy, 165, 836-845. doi: 10.1016/j.energy.2018.10.017.
Azadbakht, M., Aghili, H., Ziaratban, A., & Torshizi, M. V. (2017). Application of artificial neural network method to exergy and energy analyses of fluidized bed dryer for potato cubes. Energy, 120, 947-958. doi: 10.1016/j.energy.2016.12.006.
Azadbakht, M., Vahedi Torshizi, M., & Ziaratban, A. (2016). Application of Artificial Neural Network (ANN) in predicting mechanical properties of canola stem under shear loading. Agricultural Engineering International: CIGR Journal, 18, 413-425.
Khoshnevisan, B., Rafiee, Sh., Omid, M., & Yousefi, M. (2013). Prediction of environmental indices of Iran wheat production using artificial neural networks. International Journal of Energy and Environmental, 4, 339-348.
Castro, I., Teixeira, J. A., Salengke, S., Sastry, S. K., & Vicente, A. A. (2004). Ohmic heating of strawberry products: electrical conductivity measurements and ascorbic acid degradation kinetics. Innovative Food Science and Emerging Technologies, 5, 27-36.
Dadali, G., Kılıç Apar, D., & Özbek, B. (2007). Microwave drying kinetics of okra. Dry Technology, 25, 917-924. doi: 10.1080/07373930701372254.
Erenturk, S., & Erenturk, K. (2007). Comparison of genetic algorithm and neural network approaches for the drying process of carrot. Journal of Food Engineering, 78, 905-912. doi: 10.1016/j.jfoodeng.2005.11.031.
Icier, F., & Ilicali, C. (2005). The effects of concentration on electrical conductivity of orange juice concentrates during ohmic heating Temperature dependent electrical conductivities of fruit purees during ohmic heating. European Food Research and Technology, 220, 406-414. doi: 10.1007/s00217-004-1043-x.
Izli, G. (2017). Total phenolics, antioxidant capacity, colour and drying characteristics of date fruit dried with different methods. Food Science and Technolog, 37, 139-147.
Izli, N., Izli, G., & Taskin, O. (2017). Influence of different drying techniques on drying parameters of mango. Food Science and Technology International, 37, 1-9. doi: 10.1590/1678-457x.28316.
Jaramillo-Flores, M. E., González-Cruz, L., Cornejo-Mazón, M., Dorantes-álvarez, L., Gutiérrez-López, G. F., & Hernández-Sánchez, H. (2003). Effect of thermal treatment on the antioxidant activity and content of carotenoids and phenolic compounds of cactus pear cladodes (opuntia ficus-indica). Food Science and Technology International, 9, 271-278. doi: 10.1177/108201303036093.
Marsilio, V., Lanza, B., Campestre, C., & De Angelis, M. (2000). Oven-dried table olives : textural properties as related to pectic composition, Journal of the Science of Food and Agriculture,80, 1271-1276. doi: 10.1002/1097-0010(200006)80.
Li, W. L., Li, X. H., Fan, X., Tang, Y., & Yun, J. (2012). Response of antioxidant activity and sensory quality in fresh-cut pear as affected by high O2 active packaging in comparison with low O2 packaging. Food Science and Technology International, 18, 197-205. doi: 10.1177/1082013211415147.
Mashayekhi, K. A. (2016). Guide Plant Physiology Experiments (Studies Before and After Harvest). Agricultural Education Research Pub. (in Persian)
Prabhanjan, D. G., Ramaswamy, H. S., & Raghavan, G. S. V. (1995). Microwave-assisted convective air drying of thin layer carrots. Journal of Food Engineering, 25, 283-293.
Salehi, F. 1, Gohari Ardabili, A., Nemati, A., & Latifi Darab, R. (2017). Modeling of strawberry drying process using infrared dryer by genetic algorithm-artificial neural network method. Journal of Food Science and Technology, 14, 105-114.
Sarang, S., Sastry, S. K., & Knipe, L. (2008). Electrical conductivity of fruits and meats during ohmic heating. Journal of Food Engineering, 87, 351-356.
Sharma, G. P., & Prasad, S. (2006). Specific energy consumption in microwave drying of garlic cloves. Energy, 31, 1585-1590. doi: 10.1016/j.energy.2005.08.006.
Vikram, V. B., Ramesh, M. N., & Prapulla, S. G. (2005). Thermal degradation kinetics of nutrients in orange juice heated by electromagnetic and conventional methods. Journal of Food Engineering, 69, 31-40. doi: 10.1016/j.jfoodeng.2004.07.013.
Wray, D., & Ramaswamy, H. S. (2015). Novel Concepts in microwave drying of foods. Drying Technology, 33, 769-783. doi: 10.1080/07373937.2014.985793.
| ||
|
آمار تعداد مشاهده مقاله: 245 تعداد دریافت فایل اصل مقاله: 188 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب