پيش بيني محتواي رطوبتي خشك شدن لايه نازك قارچ خوراكي به كمك شبكه هاي عصبي مصنوعي پس انتشار

قارچ خوراكي دكمه اي (Agaricus bisporus) به عنوان منبع غذاي پرپروتئين و كم كالري و همچنين مصارف دارويي، امروزه بسيار موردتوجه قرارگرفته است. با افزايش بيش ازپيش توليد قارچ خوراكي نياز به انبارداري، افزايش ماندگاري، كاهش ضايعات و استفاده از قارچ خشك شده بيشتر احساس مي شود. به همين جهت خشك كردن اين محصول به عنوان يكي از راهكارهاي عملي همواره مطرح مي باشد. امروزه با توجه به مزاياي فناوري هوش مصنوعي استفاده از شبكه هاي عصبي مصنوعي در سطح وسيعي براي شبيه سازي و پيش بيني پارامترهاي موردنياز در فرايندهاي خشك كردن در حال رشد و توسعه است. هدف از انجام اين تحقيق پيش بيني محتواي رطوبتي قارچ خوراكي دكمه اي به كمك شبكه عصبي مصنوعي پس انتشار مي باشد. در اين تحقيق قارچ خوراكي دكمه اي به صورت لايه نازك با استفاده از خشك كن هواي داغ در سه سطح دما 40oC،50 و 60 و سه سطح سرعت جريان باد0.5m/s ، 0.7 و 1 خشك شده تا محتواي رطوبتي آن به 10% (بر پايه وزن خشك) برسد. مدل هاي رگرسيوني و شبكه عصبي پيشرو با الگوريتم هاي يادگيري لونبرگ- ماركوارت (trainlm) براي تخمين و پيش بيني ميزان رطوبت لايه نازك قارچ استفاده شد. نتايج نشان داد كه مدل رگرسيوني درجه دوم كامل با ضريب تبيين 0.97 و مجموع مربعات خطاي 0.071 و همچنين شبكه عصبي با ساختار 3-20-18-1 با توابع آستانه سيگموئيد و لگاريتمي در مقايسه با توپولوژي هاي ديگر نتايج بهتري را ارائه مي كنند و داراي دقت قابل قبولي در تخمين رطوبت لايه نازك قارچ در هنگام خشك شدن دارد