|
|
مدلسازی تشخیص فراصوتی آلودگی پاکتهای شیر Uht به باکتری Escherichia Coli با شبکۀ عصبی مصنوعی
|
|
|
|
|
نویسنده
|
محمدی وحید ,ابراهیمی رحیم ,قاسمیورنامخواستی مهدی ,عباسوالی مریم
|
منبع
|
مهندسي بيوسيستم ايران - 1394 - دوره : 46 - شماره : 3 - صفحه:219 -227
|
|
|
چکیده
|
تشخیص آلودگی میکروبی شیر، بهعنوان مهمترین شاخص کیفیت شیر در صنایع لبنی، بهکمک روشهای نوین مهندسی اهمیت زیادی دارد. در تحقیق حاضر، آلودگی میکروبی پاکتهای شیر uht با استفاده از حسگرهای فراصوتی تشخیص داده شد. پاکتها بهصورت مصنوعی در چهار رقت متفاوت و با سه تکرار به باکتری e. coliآلوده شدند. فرکانس مرکزی سنسورهای پیزوالکتریک mhz 1.02 بود و با ولتاژ پیک v 18.5 استفاده شدند. برای پایش مشخصههای فراصوتی، فاکتورهای دامنۀ ولتاژ، و تاخیر زمانی اندازهگیری شدند. شبکۀ عصبی مصنوعی برای پیشبینی تعداد باکتری و ph پاکتهای شیر براساس فاکتورهای فراصوتی طراحی شد. نتایج نشان داد که آلودگی پاکتهای شیر در رقت اولیۀ cfu/ml 1000 پس از 7.5 ساعت تشخیصپذیر است بهصورتی که با کاهش رقت اولیۀ باکتری، مدت زمان تشخیص افزایش خواهد داشت. شبکۀ عصبی مصنوعی آموزش دادهشده مقادیر تعداد باکتری و ph را نسبت به دادههای تجربی با ضرایب تبیین 0.872 و 0.851 پیشبینی کرد. براساس پژوهش انجامشده، مشاهده میشود که آلودگی میکروبی شیر با استفاده از فراصوت امکانپذیر بوده و برای حصول دقت بالاتر، نیازمند تحقیقات بیشتری است.
|
کلیدواژه
|
آلودگی میکروبی، شبکۀ عصبی مصنوعی، شیر، فراصوت، Escherichia Coli
|
آدرس
|
دانشگاه شهرکرد, دانشکدۀ کشاورزی, ایران, دانشگاه شهرکرد, دانشکدۀ کشاورزی, ایران, دانشگاه شهرکرد, دانشکدۀ کشاورزی, ایران, دانشگاه شهرکرد, دانشکدۀ دامپزشکی, ایران
|
پست الکترونیکی
|
abbasvali@sci.sku.ac.ir
|
|
|
|
|
|
|
|
|
Ultrasonic Detection Modeling of the Escherichia coli microbial contamination of UHT Milk packages using Artificial Neural Network
|
|
|
Authors
|
Ghasemi-Varnamkhasti Mahdi ,Abbasvali Maryam ,Ebrahimi Rahim ,Mohammadi Vahid
|
Abstract
|
Detecting microbial contamination of milk using novel engineering techniques is very worthy. In current study, microbial contamination of UHT milk packages was detected using ultrasonic sensors. Milk packages artificially were inoculated to E. coli in four dilutions and three replications. Monitoring of ultrasonic properties was performed by measuring litude and time delay factors. Artificial neural network designed for predicting total count and pH of milk packages based on ultrasonic properties. Results showed that contamination of milk packages for initial dilution 1000 CFU/ml after 7.5 h is capable to detect, and detection period would be increased in conjunction with initial bacterial dilution decreasing. Trained neural network predicted total count and pH values with the coefficient of determination 0.979 and 0.795 against the experimental values. According to the current project, is resulted that microbial contamination is detectable using ultrasonic technique, and to achieve high accuracies, more researches are needed.
|
Keywords
|
Escherichia coli
|
|
|
|
|
|
|
|
|
|
|