پیش‌بینی خواص فیزیکی پسته با استفاده از شبکه‌های عصبی مصنوعی در طی فرآوری

شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجه بندی و ذخیره این محصول ارزشمند نقش اساسی ایفا می‌کند. در این مطالعه، خواص فیزیکی پسته توسط مدل‌های مختلف شبکه‌ی عصبی شبیه‌سازی گردید. مدل‌های مختلف شبکه‌ی عصبی همراه با تابع‌های آستانه‌ی مختلف در پیش بینی مقادیر مساحت سطح، حجم، جرم و دانسیته‌ی ذره پسته مورد استفاده قرار گرفت. نتایج، نشان داد که که مدل شبکه‌ی عصبی تابع پایه‌ی شعاعی با تابع آستانه‌ی پایه‌ی شعاعی عادی بهترین نتیجه را در پیش بینی مقادیر مساحت سطح، حجم، جرم و دانسیته‌ی ذره پسته داشته به طوری که این شبکه توانست به ترتیب مقادیر مساحت سطح، حجم، جرم و دانسیته‌ی ذره‌ی پسته را با ضرایب تبیین 982/0، 982/0، 992/0 و 962/0 پیش بینی نماید. علاوه بر این، در این پژوهش، مساحت سطح، حجم، جرم و دانسیته‌ی ذره‌ی پسته از طریق معادلات رگرسیونی برازش داده شد. نتایج، نشان داد روش رگرسیونی خطی توانست مقادیر مساحت سطح، حجم، جرم و دانسیته‌ی ذره‌ی پسته به ترتیب با ضرایب تبیین 931/0، 897/0، 985/0 و 944/0 پیش‌بینی نماید. به طوری نتایج نشان داد که مدل شبکه‌ی عصبی توانایی بالایی در پیش بینی خواص فیزیکی پسته نسبت به روش رگرسیون خطی داشته است.