مدل سازی تغییرات کیفی روغن کنجد طی فرآیند استخراج با استفاده از سیستم های هوشمند و رگرسیونی

کنجد یکی از مهم ترین دانه های روغنی با ارزش تغذیه ای و عملکردی بالا در دنیا می باشد. بنابراین مدل سازی و بررسی رابطه بین عواملی که می تواند بر کیفیت روغن کنجد استحصال شده تاثیرگذار باشد، حائز اهمیت است. در این پژوهش، شبکه های عصبی مصنوعی (ann) و سیستم استنتاج عصبی فازی سازگار (anfis) برای پیش بینی کیفیت روغن کنجد استخراج شده به روش پرس مورد استفاده قرار گرفت. مدل به دست آمده از شبکه عصبی مصنوعی از نوع پرسپترون چند لایه در مقایسه با مدل های رگرسیونی و anfis از ضریب تبین بالاتر و خطای کمتری در پیش بینی پارامترهای کیفی روغن کنجد استحصال شده، برخوردار بود. بر اساس نتایج بدست آمده بیشترین مقدار عدد اسیدی مربوط به سرعت 20 دور در دقیقه و کمترین مقدار مربوط به سرعت 80 دور در دقیقه می باشد و افزایش دما باعث افزایش این شاخص شد. هم چنین بیشترین مقدار عدد یدی مربوط به سرعت دورانی 80 دور در دقیقه و دمای استخراج 90 درجه‌ سانتی‌گراد به میزان 1.13و کمترین مقدار مربوط به سرعت 80 دور در دقیقه و سطح دمایی 20 دور در دقیقه به میزان 0.312 بود. هم جنین افزایش دما باعث افزایش عدد اسیدی در نمونه ها شد.