مدل سازي فرآيند خشك كردن هلو توسط خشك كن فروسرخ به روش الگوريتم ژنتيك

Modeling of Peach Drying Process using Infrared Dryer by Genetic Algorithm Method

مقدمه: به دليل بهره‌وري پايين انرژي و مدت‌زمان طولاني خشك‌كردن محصولات كشاورزي با روش‌هاي متداول، استفاده از روش‌هاي نوين نظير پرتودهي فروسرخ لازم است مورد بررسي قرار گيرد. مواد و روش‌ها: در اين مطالعه جهت خشك‌كردن و افزايش زمان ماندگاري هلو، از روش پرتودهي فروسرخ استفاده گرديد. اثر توان لامپ فروسرخ در سه سطح 150، 250 و 375 وات، فاصله نمونه از لامپ در سه سطح 5، 5/7 و 10 سانتي‌متر و در فاصله زماني 1 دقيقه‌اي تا مدت زمان 120 دقيقه بر خشك‌كردن هلو مورد بررسي قرار گرفت. 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. يافته‌ها: نتايج خشك‌كردن هلو به روش فروسرخ نشان داد با افزايش توان لامپ و كاهش فاصله نمونه‌ها از منبع حرارتي، سرعت خشك‌كردن افزايش مي‌يابد. با افزايش توان لامپ فروسرخ از 150 به 375 وات مقدار كاهش وزن از 4/39 به 50/87 درصد افزايش يافت. با افزايش فاصله لامپ 250 وات از 5 به 10 سانتي‌متر، درصد كاهش وزن از 6/87 به 5/73 درصد براي نمونه هلو كاهش يافت. نتايج مدل‌سازي به روش الگوريتم ژنتيك - شبكه عصبي مصنوعي نشان داد شبكه‌اي با تعداد 13 نرون در يك لايه پنهان و با استفاده از تابع فعال‌سازي تانژانت هيپربوليك مي‌تواند درصد كاهش وزن در طي فرآيند خشك‌كردن هلو به روش فروسرخ را پيشگويي نمايد (9990/0R=). نتيجه‌گيري: نتايج آناليز حساسيت توسط شبكه عصبي بهينه نشان داد كه زمان خشك‌كردن به‌عنوان مؤثرترين عامل در كنترل كاهش وزن برش‌هاي هلو مي‌باشد.

Introduction: Due to low energy efficiency and prolonged drying time of agricultural products by conventional methods, application of the new techniques such as infrared radiation, has been investigated. Materials and Methods: In this study, in order to dry and increase the shelf life of peach, infrared radiation (IR) method has been employed. The effect of infrared lamp power at three levels 150, 250 and 375 watts, the distance of the samples from the lamp at three levels 5, 7.5 and 10 cm and at 1 minute intervals for up to 120 minutes on drying of peach were examined. Modeling of process was carried out with genetic algorithm–artificial neural network (GA-ANN) method with 3 inputs (lamp power, distance and time) and1output (weight loss). Results: The results of infrared drying of peach showed that by increasing the lamp power and decreasing the sample distance from the heat source, the drying rate is increased. By increasing the infrared lamp power from 150 to 375 watt, the weight loss is increased from 39.4 to 87.50 % and with increase in 250 watt lamp distance from 5 to 10 cm, the weight loss is decreased from 87.6 to 73.5 % for the sample. The GA-ANN modeling results showed that a network with 13 neurons in 1 hidden layer with using hyperbolic tangent activation function can predict the weight loss in peach drying using infrared method (R=0.9991). Conclusion: Sensitivity analysis results by optimum ANN showed that drying time is the most sensitive factor to control the weight loss of peach slides.