کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن

در این پژوهش، خشک کردن لایه‌ای نازک گوجه فرنگی توسط خشک کن هوای داغ آزمایشگاهی شبیه‌سازی گردید. فرآیند خشک کردن در دو دمای 60 و 70 انجام گرفت. داده‌های خشک کردن توسط 8 مدل سینتیکی برازش داده شد. بهترین مدل از طریق r2 ، rmse و مشخص گردید. فرآیند مدل‌سازی نشان داد که مدل لگاریتمی، بهترین کارایی را داشت. همچنین، ویژگی‌های فیزیکوشیمیایی گوجه فرنگی، نظیر چروکیدگی، اسیدیته، غلظت یون هیدروژن و رنگ در طی خشک کردن تعیین گردید. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی داری روی رنگ برش‌های گوجه فرنگی داشت. علاوه بر این، در این تحقیق، مطلوبیت برگه‌های گوجه فرنگی تهیه شده به وسیله‌ی آزمون حسی مورد آزمایش قرار گرفت. در این آزمون، کیفیت‌های حسی رنگ، عطر، طعم، شکل ظاهری و قابلیت جویدن (تردی بافت) نمونه‌ها مد نظر قرار گرفت. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی‌داری روی شکل ظاهری داشت (p < 0.01). نتایج مدلسازی، نشان داد که مدل شبکه‌ی عصبی پرسپترون همراه با تابع محرک لوگ سیگمویید به عنوان بهترین تابع محرک مدل، توانست نسبت رطوبت را با ضریب رگرسیون 996/0 پیش‌بینی نماید.