بررسی اثر پیش‌تیمار فراصوت بر سرعت خشک شدن گیلاس و مدل‌سازی فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی

مقدمه: به دلیل رطوبت بالا، سرعت فساد گیلاس بسیار زیاد است و برای نگهداری موثر نیاز به استفاده از برخی تیمارهای پس از برداشت دارد. خشک‌کردن یکی از این روش‌های نگهداری است. امواج فراصوت را می‌توان به‌عنوان یک پیش‌تیمار قبل از خشک‌کردن محصولات کشاورزی به‌منظور کاهش زمان این فرآیند استفاده نمود. روش الگوریتم ژنتیک- شبکه عصبی مصنوعی دارای قابلیت بالایی برای یافتن مقدار بهینه یک تابع هدف پیچیده است.مواد و روش‌ها: در این پژوهش اثر تیماردهی با امواج فراصوت به مدت 0، 3، 6 و 9 دقیقه بر زمان خشک شدن، تغییرات وزن و آبگیری مجدد گیلاس بررسی شد. در مرحله بعد، این فرآیند توسط روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با 2 ورودی (زمان خشک‌کردن و زمان پیش‌تیمار فراصوت) و 1 خروجی (درصد کاهش وزن) مدل‌سازی شد.یافته‌ها: نتایج این پژوهش نشان داد که تیمار فراصوت تا 3 دقیقه، سبب افزایش سرعت خروج رطوبت از گیلاس‌ها و در نتیجه باعث کاهش زمان خشک‌کردن می‌گردد. تیماردهی با امواج فراصوت به مدت 3 دقیقه باعث افزایش آبگیری مجدد گیلاس خشک شده شد؛ اما با افزایش زمان تیماردهی به 6 و 9 دقیقه مقدار آبگیری مجدد کاهش یافت. نتایج مدل‌سازی به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نشان داد شبکه‌ای با ساختار 1-4-2 در یک لایه پنهان و با استفاده از تابع فعال‌سازی تانژانت هیپربولیک می‌تواند درصد کاهش وزن گیلاس هنگام خشک شدن را با ضریب همبستگی بالا و مقدار خطا پایین پیش‌بینی نماید. بر اساس نتایج آزمون آنالیز حساسیت، زمان خشک‌کردن به‌عنوان موثرترین عوامل در تغییر درصد کاهش وزن گیلاس طی فرآیند خشک‌کردن بود.نتیجه‌گیری: به‌طورکلی، بهترین شرایط برای خشک‌کردن گیلاس، 3 دقیقه پیش‌تیمار با فراصوت و سپس خشک‌کردن محصول با هوای داغ است. با توجه نتایج به دست آمده از مدل‌سازی، از روش الگوریتم ژنتیک- شبکه عصبی مصنوعی نیز می‌توان برای پیش‌بینی پارامترهای فرآیند خشک‌کردن گیلاس استفاده نمود.

investigation the effect of ultrasonic pretreatment on drying rate of cherry and process modeling using genetic algorithm-artificial neural network method

introduction: due to their high moisture content, cherries have a very high rate of spoilage and require the use of some post-harvest treatments in order to be effectively preserved. drying is one of these preservation methods. drying time can be shortened by using ultrasonic waves as a pretreatment before drying agricultural products. the genetic algorithm–artificial neural network method has a high ability to find the optimal value of a complex objective function.materials and methods: in this study, the effect of sonication treatment for 0, 3, 6, and 9 minutes on drying time, weight changes, and rehydration of cherries was investigated. in the next step, this process was modeled by genetic algorithm–artificial neural network method with 2 inputs (drying time and ultrasonic pretreatment time) and 1 output (weight loss percentage).results: the results of this research showed that sonication for up to 3 min increased the rate of moisture removal from cherries and thus reduced drying time. 3-min treatment with ultrasound increased the rehydration of dried cherries; but as the treatment time increased to 6 min and 9 min, the amount of rehydration decreased. genetic algorithm–artificial neural network modeling results showed that a network with a 1-4-2 structure in one hidden layer and using the hyperbolic tangent activation function can predict the weight loss percentage of cherries during drying with a high correlation coefficient and a low error value. according to the results of sensitivity analysis test, drying time was the most effective factor in changing the weight loss percentage of cherries during the drying process.conclusion: in general, the best conditions for drying cherries are pretreatment with ultrasound for 3 minutes followed by drying the product with hot-air. based on the modeling results, the genetic algorithm–artificial neural network method can also be used to predict the parameters of the cherry drying process.