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

قارچ خوراكي دكمه‎اي (Agaricus bisporus) به‌عنوان منبع غذاي پرپروتئين و كم‌كالري و همچنين مصارف دارويي، امروزه بسيار موردتوجه قرارگرفته است. با افزايش بيش‌ازپيش توليد قارچ خوراكي نياز به انبارداري، افزايش ماندگاري، كاهش ضايعات و استفاده از قارچ خشك‌شده بيشتر احساس مي‌شود. به همين جهت خشك‌كردن اين محصول به‌عنوان يكي از راهكارهاي عملي همواره مطرح مي‌باشد. امروزه با توجه به مزاياي فناوري هوش مصنوعي استفاده از شبكه هاي عصبي مصنوعي در سطح وسيعي براي شبيه‌سازي و پيش‌بيني پارامترهاي موردنياز در فرايندهاي خشك‌كردن در حال رشد و توسعه است. هدف از انجام اين تحقيق پيش‌بيني محتواي رطوبتي قارچ خوراكي دكمه اي به كمك شبكه عصبي مصنوعي پس انتشار مي‌باشد. در اين تحقيق قارچ خوراكي دكمه اي به‌صورت لايه‌نازك با استفاده از خشك‌كن هواي داغ در سه سطح دما C° 40، 50 و 60 و سه سطح سرعت جريان باد m/s 5/0، 7/0 و 1 خشك‌شده 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 پيش‌بيني ميزان رطوبت لايه‌نازك قارچ استفاده شد. نتايج نشان داد كه مدل رگرسيوني درجه دوم كامل با ضريب تبيين 97/0 و مجموع مربعات خطاي 071/0 و همچنين شبكه عصبي با ساختار 118203 با توابع آستانه سيگموئيد و لگاريتمي در مقايسه با توپولوژي‌هاي ديگر نتايج بهتري را ارائه مي‌كنند و داراي دقت قابل قبولي در تخمين رطوبت لايه‌نازك قارچ در هنگام خشك شدن دارد.