مقایسه شبکه عصبی و طراحی فاکتوریل در بهینه‌سازی کاهش کدورت شیره توت قرمز

سابقه و هدف: در سال‌های اخیر، افزایش توجه به سلامت و کیفیت محصولات غذایی موجب شده است که فراوری مواد غذایی با به‌کارگیری روش‌های نوین، بسیار مهم تلقی شده و در راس توجه قرار گیرد. یکی از چالش‌های مهم در این زمینه، کدورت شیره‌های میوه‌ای و به‌ویژه شیره توت قرمز است. یکی از راه‌های موثر در کاهش کدورت، استفاده از جاذب‌های طبیعی است. در این راستا، پوست موز به‌عنوان یک جاذب طبیعی معرفی می‌شود که می‌تواند به‌عنوان یک فاکتور موثر در فرایند کاهش کدورت شیره توت قرمز عمل کند. پوست موز با ترکیبات غنی، شامل پکتین و فیبرهای گیاهی، به‌عنوان یکی از منابع بالقوه برای جذب ذرات معلق و کدورت شناخته می‌شود.مواد و روش‌ها: ماده هدف و اولیه موردمطالعه در تحقیق حاضر، شیره توت قرمز و پوست موز بوده که شیره توت تهیه گردیده در تحقیق حاضر دارای حدودا 78 درجه بریکس بود، با استفاده از آب مقطر بریکس آن کاهش داده شده و تا مقدار 15 رقیق‌سازی انجام گرفت. پوست موز پس از خشک کردن آن در دمای ملایم 45 سانتی‌گراد در آون آزمایشگاهی توسط الک‌های صنعتی به اندازه‌های یکسان 1 میلی‌متر تبدیل گردید. در نهایت با مقایسه روش‌های شبکه عصبی و فاکتوریل در کاهش کدورت شیره توت قرمز با استفاده از جاذب طبیعی پوست موز پرداخته شد. متغیرهای مستقل در نظر گرفته شده شامل دما، زمان و سرعت همزن بودند که هر کدام در 4 سطح مختلف بررسی گردیده و توسط روش فاکتوریل به طراحی آزمایش پرداخته شد. پاسخ‌های در نظر گرفته شده شامل درصد کاهش کدورت و درصد کاهش کارایی جاذب بودند. یافته‌ها: نتایج نشان داد که بیشترین کاهش کدورت (47.22%) با کمترین کاهش کارایی جاذب طبیعی (57.65%) در دمای 30 سانتی‌گراد و مدت زمان فرایند جذب سطحی 3 ساعت با سرعت همزدن 300 دور در دقیقه حاصل خواهد شد. همچنین از شبکه عصبی برای پیش‌بینی دو متغیر وابسته در نظر گرفته شده به‌عنوان تابعی از متغیرهای مستقل استفاده گردید. نتایج مدلسازی شبکه عصبی دقت بالایی را به منظور پیش‌بینی متغیر هدف نشان داد، به طوریکه مقادیر متوسط خطای نسبی (mre) برای دو متغیر وابسته درصد کاهش کدورت و درصد کاهش کارایی جاذب به ترتیب برابر با 2.06 و 0.90 درصد بود که در مقایسه با روش فاکتوریل که مقادیر آن برابر با 4.58 و 6.04 درصد بودند، باعث بهبود چشمگیر پیش‌بینی دو متغیر وابسته در نظر گرفته شده گردید.نتیجه‌گیری: پوست موز به‌عنوان عامل جاذب طبیعی در کاهش کدورت شیره توت قرمز موثر عمل نمود، همچنین روش فاکتوریل به‌عنوان یکی از روش‌های طراحی آزمایش در جهت یافتن نقاط بهینه عملیاتی در فرایند کدورت‌زدایی به‌خوبی عمل کرد. در نهایت استفاده از شبکه عصبی جهت پیش‌بینی نتایج حاصل از پژوهش‌های آزمایشگاهی به‌خوبی توانایی مدل نمودن خروجی با درصد اطمینان بالا را داشته، به طوریکه در تحقیق حاضر در مقایسه با روش فاکتوریل در میان 2 پاسخ وابسته در نظر گرفته شده، به بهبود نتایج هر دو 2 متغیر وابسته کاهش کدورت و کاهش کارایی جاذب طبیعی منجر گردید.

comparison of neural network and factorial design in optimizing red mulberry juice turbidity reduction

background and objectives: in recent years, increasing attention to the health and quality of food products has led to the importance of food processing using new methods. one of the significant challenges in this field is the turbidity of fruit juices, particularly red berry juice. an effective way to reduce turbidity is by using natural absorbents. in this regard, banana peel is introduced as a natural absorbent that can significantly contribute to the reduction of turbidity in red mulberry juice. known for its rich compounds, including pectin and plant fibers, banana peel is recognized as a potential source for absorbing suspended particles and reducing turbidity.materials and methods: the primary materials studied in this research are red berry juice and banana peel. the berry juice prepared for this research had a brix value of approximately 78, which was reduced using distilled water through a series of 15 dilutions. the banana peel was dried at a mild temperature of 45 oc in a laboratory oven and then ground to a uniform size of 1 mm using industrial sieves. the study compared neural network and factorial methods for reducing the turbidity of red mulberry juice with the natural absorbent of banana peel. the independent variables considered included temperature, time, and stirrer speed, each investigated at four different levels, with the experimental design employing a factorial approach. the responses measured were the percentage reduction in turbidity and the percentage reduction in absorbent efficiency.results: the results showed that the maximum reduction in turbidity (47.22%) with the lowest reduction in the efficiency of the natural absorbent (57.65%) was achieved at a temperature of 30 oc, with surface absorption duration of 3 hours and a stirring speed of 300 rpm. additionally, a neural network was utilized to predict the two dependent variables as functions of the independent variables. the neural network modeling demonstrated high accuracy in predicting the target variables, with mean relative error (mre) values of 2.06% and 0.90% for the turbidity reduction percentage and the absorbent efficiency reduction percentage, respectively. in contrast, the factorial method yielded mre values of 4.58% and 6.04%, thus significantly enhancing the prediction accuracy for the two dependent variables. conclusion: banana peel, as a natural absorbent, was effective in reducing the turbidity of red mulberry juice. furthermore, the factorial method proved to be effective as one of the experimental design approaches for identifying optimal operating conditions in the turbidity reduction process. the use of a neural network for predicting the results of laboratory research demonstrated a high degree of confidence in modeling outputs. in this study, the neural network provided improved predictions for the two dependent responses, leading to enhanced outcomes in both turbidity reduction and absorbent efficiency reduction.