كارآيي زئوليت و اسيد سيتريك در كنترل رشد كپك و توليد آفلاتوكسين در ضايعات نان هاي خشك در سطح شهر مشهد و مدل سازي آن به روش شبكه هاي عصبي مصنوعي

در اين تحقيق، مدل سازي با شبكه عصبي مصنوعي و از نوع پرسپترون (الگوريتم طبقه بندي ورودي) چند لايه به منظور ارزيابي استفاده از اسيد سيتريك در كاهش توليد آفلاتوكسين در نان هاي خشك ضايعاتي در سطح شهر مشهد استفاده شد. از آن جا كه نان هاي ضايعاتي به عنوان ماده اصلي تغذيه حيوانات هستند و به دليل فراهم بودن شرايط محيطي مناسب جهت رشد قارچ ها، اين نان ها به شدت به مايكوتوكسين و به ويژه آفلاتوكسين آلوده بوده و نگراني هايي براي بشر و حيوانات به وجود مي آورند. به همين علت آلودگي غذاها با مايكوتوكسين، از طريق زنجيره ي غذايي بايد به دقت كنترل گردد. نتايج نشان داده اند كه مدل سازي با شبكه عصبي مصنوعي روش مناسبي خصوصا در صنايع غذايي است. هم چنين نتايج نشان مي دهند كه افزودن زئوليت نسبت به اسيد سيتريك كاهش آفلاتوكسين بيشتري را به همراه دارد. هم چنين استفاده توام از زئوليت و اسيد سيتريك نسبت به زماني كه از هر يك از مواد به تنهايي استفاده مي شود كاهش بيشتري در ميزان آفلاتوكسين را به همراه دارد. براساس نتايج حاصل از به كار گيري شبكه عصبي مصنوعي مدل شبكه عصبي مصنوعي براي داده هاي زئوليت با يك لايه مخفي،تابع انتقال تانژانت هيپربوليك، قاعده يادگيري ليونبرگ و تعداد 3 نرون٬ با 60% براي زير گروه آموزشي و 20% براي هر يك از زير گروه هاي ارزيابي و آزمايشي با ضريب همبستگي 973/0 بهترين برازش را به همراه داشت. نتايج مدل سازي مبين سازگاري بالابين مقادير آفلاتوكسين اندازه گيري شده و پيش بيني شده مي باشد.