مدل‌سازی افت وزن زردآلو طی خشک‌کردن با خشک‌کن فروسرخ به روش بهینه‌سازی الگوریتم ژنتیک-شبکه عصبی مصنوعی

زمینه مطالعاتی: مدل‌سازی خشک‌کردن محصولات کشاورزی، یکی از راه‌های مناسب برای کنترل زمان و شرایط خشک‌کردن می‌باشد. هدف: در این مطالعه جهت خشک‌کردن و افزایش زمان ماندگاری زردآلو، از روش پرتودهی فروسرخ استفاده گردید. روش کار: اثر توان لامپ فروسرخ در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 7.5 و 10 سانتی‌متر و در مدت زمان 160 دقیقه بر خشک‌کردن زردآلو بررسی شد. نتایج: نتایج خشک‌کردن زردآلو به روش فروسرخ نشان داد با افزایش توان لامپ و کاهش فاصله نمونه‌ها از منبع حرارتی، سرعت خشک‌کردن افزایش می‌یابد. مدل‌سازی فرآیند به روش الگوریتم ژنتیک شبکه عصبی مصنوعی با 3 ورودی (توان لامپ، فاصله لامپ و زمان) و 1 خروجی (کاهش وزن) انجام شد. نتایج مدل‌سازی به روش الگوریتم ژنتیک شبکه عصبی مصنوعی نشان داد شبکه‌ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال‌سازی سیگموئیدی می‌تواند درصد کاهش وزن را طی فرآیند خشک‌کردن زردآلو به روش فروسرخ را با ضریب همبستگی برابر 0.9987 و میانگین مربعات خطا برابر 1.9215 پیشگویی نماید. نتیجه‌گیری نهایی: نتایج آنالیز حساسیت توسط شبکه عصبی بهینه نشان داد که زمان خشک‌کردن به عنوان موثرترین عامل در کنترل کاهش وزن برش‌های زردآلو می‌باشد.