مدل سازي فرآيند خشك كردن توت فرنگي توسط خشك كن فروسرخ به روش الگوريتم ژنتيك - شبكه عصبي مصنوعي

Modeling of strawberry drying process using infrared dryer by genetic algorithm–artificial neural network method

به دليل بهره‌وري پايين انرژي و مدت زمان طولاني خشك كردن محصولات كشاورزي با روش‌هاي متداول، استفاده از روش‌هاي نوين نظير پرتودهي فروسرخ بايد بررسي شوند. در اين مطالعه جهت خشك كردن و افزايش زمان ماندگاري توت‌فرنگي، از روش پرتودهي فروسرخ استفاده گرديد. اثر توان لامپ فروسرخ (150، 250 و 375 وات)، فاصله نمونه از لامپ (5، 7/5 و 10 سانتي‌متر) و در مدت زمان 110 دقيقه بر خشك كردن توت‌فرنگي مورد بررسي قرار گرفت. نتايج خشك كردن توت‌فرنگي به روش فروسرخ نشان داد با افزايش توان لامپ و كاهش فاصله نمونه‌ها از منبع حرارتي، سرعت خشك كردن افزايش مي‌يابد. با افزايش توان لامپ فروسرخ از 150 به 375 وات، مقدار كاهش وزن 69/24 درصد افزايش يافت. با افزايش فاصله نمونه‌ها از 5 به 10 سانتي‌متر، سرعت خشك شدن 23/55 درصد كاهش يافت. مدل‌سازي فرآيند به روش الگوريتم ژنتيك - شبكه عصبي مصنوعي با 3 ورودي (توان لامپ، فاصله لامپ و زمان) و 1 خروجي (كاهش وزن) انجام شد. نتايج مدل‌سازي به روش الگوريتم ژنتيك - شبكه عصبي مصنوعي نشان داد شبكه‌اي با تعداد 9 نرون در يك لايه پنهان و با استفاده از تابع فعال‌سازي تانژانت هيپربوليك مي‌توان درصد كاهش وزن در طي فرآيند خشك كردن توت‌فرنگي به روش فروسرخ را پيشگويي نمود (0/999=^R^2). نتايج آناليز حساسيت توسط شبكه عصبي بهينه نشان داد كه توان لامپ فروسرخ به عنوان مؤثرترين عامل در كنترل كاهش وزن برش‌هاي توت‌فرنگي مي‌باشد.

Due to low energy efficiency and prolonged drying time of agricultural products by conventional methods, application of the new techniques such as infrared radiation, must be investigated. In this study, to drying and increased shelf life of the strawberry, infrared radiation (IR) method was used. The effect of infrared lamp power (150, 250 and 375 watts), the distance of sample from lamp (5, 7.5 and 10 cm) and time of 110 minute on drying of strawberry were examined. The results of infrared drying of strawberry showed that with increasing in lamp power and decreases in sample distance from the heat source, the drying rate was increased. With increase in infrared power from 150 to 375 watts, drying rate 69.24% increased. By increasing in sample distance from 5 to 10 cm, drying rate 23.55% decreased. Modeling of process was done with the genetic algorithm–artificial neural network (GA-ANN) method with 3 inputs (lamp power, distance and time) and 1 output (weight loss). The GA-ANN modeling results showed a network with 9 neurons in 1 hidden layer with using hyperbolic tangent activation function can be predict the weight loss in strawberry drying by infrared method (R2=0.999). Sensitivity analysis results by optimum ANN showed the infrared power was the most sensitive factor to controlling the weight loss of strawberry slides.