توسعه مدل جدیدی از شبکه عصبی برای پیش بینی تاثیر پارامترهای غلظت رنگزای اسپرک و ph حمام رنگرزی بر روی میزان رمق کشی الیاف پشم با رویکرد حفظ محیط زیست

زمینه و هدف: بیشتر رنگ‌های مصنوعی مصرفی در صنعت نساجی دارای خطرات زیست محیطی هستند. از این‌ رو، بررسی رمق‌کشی الیاف پشم بر اساس غلظت رنگزای طبیعی و ph حمام رنگرزی با استفاده از مدل جدیدی از شبکه عصبی از اهداف اصلی این مقاله می‌باشد. روش بررسی: الیاف پشمی خام با استفاده از رنگ طبیعی اسپرک رنگرزی شد و میزان رمق کشی رنگ بررسی گردید. بنابراین، درصدهای مختلفی از مواد رنگزا  با سه مقدار مختلف ph به حمام رنگرزی اضافه گردید. پارامتر رمق کشی با استفاد از روش طیف سنج عبوری اندازه‌گیری شد. برای بررسی اثر تغییرات غلظت رنگزا و ph بر روی رمق کشی الیاف پشم، مدل شبکه عصبی جدیدی توسعه یافت. با توسعه هدفمند مدل شبکه عصبی، غلظت رنگزای اسپرک با سه مقدار مختلف ph ورودی شبکه و اندازه رمق‌کشی الیاف پشم خروجی مدل در نظر گرفته شد. در آموزش شبکه عصبی تعداد 80% از داده‌ها برای آموزش و 20% باقیمانده برای تست در نظر گرفته شد. این تحقیق در سال 1399 انجام گرفته است. یافته ‌ها: بر اساس نتایج تجربی، با افزایش غلظت رنگزا، رمق کشی الیاف پشم افزایش می‌یابد و تغییر ph حمام رنگ، عملا تاثیری بر روی میزان رمق کشی الیاف پشم ندارد. بحث و نتیجه گیری: بر اساس نتایج تجربی، با افزایش غلظت رنگزا، رمق کشی الیاف پشم افزایش می‌یابد و تغییر ph حمام رنگ، عملا تاثیری بر روی میزان رمق کشی الیاف پشم ندارد. نتیجه گیری نهایی می‌توان مدل پیش بینی با مدل شبکه عصبی را جایگزین انجام آزمایشهای تکراری با مواد سمی برای بررسی رفتار رنگ پذیری الیاف نمود و با این روش جان انسانها را از مرگ نجات داد.

development of a new neural network model to predict the effect of esparak dye concentration and ph of dye bath on the rate of extraction of wool fibers with an environmental protection approach

background and objective: most synthetic dyes used in the textile industry have environmental hazards. therefore, the interest in using biodegradable natural dyes prepared from plants is the main goal of this article. material and methodology:  raw wool fibers were dyed using natural dye and the amount of dye extraction was investigated. therefore, different percentages of dyes with three different ph values ​​were added to dye bath. the extraction parameter was measured using a uv-visible method. to investigate the effect of changes in dye concentration and ph on extraction, a new neural network model was developed. by development of new neural network model, the concentration of dye spray with three different ph values was considered as the input of the network and the extraction value of wool fibers was considered as the output of the model. in neural network training, 80% of the data were considered for training and the remaining 20% for testing.findings: in this paper, the experimental results are based on the values obtained from the uv-visible method and the modeling results are a prediction values of the developed neural network model as the extraction parameter. discussion conclusion: based on the experimental and modeling results, with increasing the dye concentration, the extraction value of wool fibers increases and changing the ph of the dye bath has practically no effect on the salinization of wool fibers. finally, the neural network prediction model can be used as an alternative to repeated experiments with toxic substances to study the dyeing behavior of fibers and thus save human lives from death.