کاربرد شبکه ی عصبی مصنوعی در پیش بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه ای و گوجه فرنگی در طی خشک کردن

در این پژوهش، خشک کردن لایه ای نازک گوجه فرنگی توسط خشک کن هوای داغ آزمایشگاهی شبیه سازی گردید. فرآیند خشک کردن در دو دمای 60 و 70 انجام گرفت. داده های خشک کردن توسط 8 مدل سینتیکی برازش داده شد. بهترین مدل از طریق R2، RMSE و مشخص گردید. فرآیند مدل سازی نشان داد که مدل لگاریتمی، بهترین کارایی را داشت. همچنین، ویژگی های فیزیکوشیمیایی گوجه فرنگی، نظیر چروکیدگی، اسیدیته، غلظت یون هیدروژن و رنگ در طی خشک کردن تعیین گردید. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی داری روی رنگ برش های گوجه فرنگی داشت. علاوه بر این، در این تحقیق، مطلوبیت برگه های گوجه فرنگی تهیه شده به وسیله ی آزمون حسی مورد آزمایش قرار گرفت. در این آزمون، کیفیت های حسی رنگ، عطر، طعم، شکل ظاهری و قابلیت جویدن (تردی بافت) نمونه ها مد نظر قرار گرفت. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی داری روی شکل ظاهری داشت (P<0.01). نتایج مدلسازی، نشان داد که مدل شبکه ی عصبی پرسپترون همراه با تابع محرک لوگ سیگموئید به عنوان بهترین تابع محرک مدل، توانست نسبت رطوبت را با ضریب رگرسیون 996/0 پیش بینی نماید