مدل سازی اثر آسکوربات کلسیم بر خصوصیات پس از برداشت قارچ دکمه ای با استفاده از الگوریتم ژنتیک- شبکه عصبی مصنوعی

در این پژوهش مدل سازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمه ای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی مورد بررسی قرار گرفت. آسکوربات کلسیم در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در دوره پس از برداشت موثر می باشد. لذا در این مطالعه ابتدا قارچ های دکمه ای توسط محلول آسکوربات کلسیم با دمای 45 درجه سانتی گراد در سه سطح 0، 4/0 و 8/0 درصد تیمار شدند و بعد از خشک شدن در دمای اتاق و 1 درجه سانتی گراد با رطوبت نسبی 90 درصد نگه داری گردیدند. صفات کیفی قارچ دکمه ای پس از برداشت در روزهای صفر، 10، 15، 20 و 25 اندازه گیری شدند. مدل سازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمه ای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با دو ورودی (غلظت آسکوربات کلسیم و عمر قفسه ای) و 9 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، pH، کروما، زاویه هیو، EΔ، شاخص قهوه ای شدن و فنل کل) با استفاده از شبکه عصبی پرسپترون چند لایه انجام شد. نتایج نشان داد شبکه ای با تعداد 12 نرون در یک لایه پنهان و با استفاده از تابع فعال سازی تانژانت هیپربولیک می تواند اثر آسکوربات کلسیم بر ویژگی های قارچ دکمه ای را با میانگین ضریب همبستگی برابر با 95/0 تخمین زند. نتایج آنالیز حساسیت با شبکه عصبی بهینه (9-12-2)، عمر قفسه ای را به عنوان موثرترین عامل در پیش بینی صفات قارچ دکمه ای طی پس از برداشت مشخص نمود.