مدل سازي هوشمند بافت نان به كمك روش اندازه گيري صوت و شبكه عصبي (مطالعه موردي: نان غني شده با چيا)

هدف از پژوهش حاضر مد‌سازي هوشمند بافت نان به روش غير مخرب صوتي مكانيكي مي‌باشد. بدين منظور بافت نان غني شده با 3 درصد مختلف چيا اصلاح‌شده (2.5، 5، 7.5 درصد) توسط دستگاه بافت‌سنج با سرعت آزمون 3 ميلي‌متر در ثانيه تا 30 درصد فشردگي و در شرايطي كه ميكروفون در فاصله 5 سانتي‌متري از نمونه‌ها و در زاويه 45 درجه نسبت به افق قرار داشت مورد ارزيابي قرار گرفت. از صداي ذخيره شده در خلال بارگذاري ويژگي‌هاي ميانگين شدت صوت، بيشترين مقدار صدا، واريانس، انحراف معيار، ميانگين جذر قدر مطلق، جذر ميانگين مربعات، چولگي، چقرمگي، ممان پنجم، ممان ششم، انرژي، آنتروپي در حوزه زمان، آنتروپي طيفي و فركانس طبيعي در حوزه فركانس استخراج شدند. بعد از انتخاب مناسب‌ترين ويژگي‌ها (بيشترين مقدار صدا، واريانس، انحراف معيار، ميانگين جذر قدر مطلق سيگنال، انرژي، آنتروپي و فركانس طبيعي) بر اساس آناليز آماري، شبكه عصبي مصنوعي با 3 الگوريتم (لونبرگ ماركوارت، شيب توام مقياس شده، سرعت يادگيري متغير) با 7 نرون در لايه ورودي (متناسب با ويژگي‌هاي انتخاب شده) و 3 نرون در لايه خروجي (سفتي، چسبندگي، قابليت جويدن) آموزش و مورد آزمون قرار گرفت. بر اساس نتايج مشخص گرديد كه خطاي آموزش در الگوريتم لونبرگ ماركوارت نسبت به ساير الگوريتم‌ها كمتر بود و خطاي جذر ميانگين مربعات مرحله آزمون اين الگوريتم به ترتيب براي پيش‌گويي سفتي، قابليت جويدن و چسبندگي 0.14، 0.23 و 0.33 بدست آمد كه نشان از توانايي روش پيشنهادي در پيش‌گويي كيفيت نان دارد.