پيش‌گويي فعاليت راديكال‌گيرندگي، شمارش آغازگرها و خواص حسي ماست پروبيوتيك حاوي عصاره‌هاي هيدروالكلي اسپيرولينا پلاتنسيس و گياه چويل با شبكه عصبي مصنوعي

The Prediction of Free Radical Scavenging Activity, Starter Cultures Count and Sensory Characteristics of Probiotic Yogurt Containing the Hydroalcoholic Extracts of Spirulinaplatensis and Ferulagoangulata by Artificial Neural Network (ANN)

هدف از پژوهش حاضر، ارزيابي فعاليت‌راديكال‌گيرندگي، شمارش ‌آغازگرهاي ‌ماست‌ و خواص حسي ماست پروبيوتيك كم چرب غني‌سازي شده با سطوح صفر تا 1 درصد عصاره گياه چويل و ريزجلبك اسپيرولينا پلاتنسيس طي 21 روز نگهداري در دماي يخچال و پيش‌بيني نتايج آزمايشات با شبكه عصبي مصنوعي بود. به منظور پيش‌گويي نتايج، شبكه عصبي پرسپترون چند لايه با دو ورودي (غلظت عصاره، زمان نگهداري) و يك خروجي با نرم افزار MATLABR2013a استفاده گرديد. مطابق نتايج حاصل، ضريب‌همبستگي فعاليت راديكال گيرندگي نمونه‌هاي ماست پروبيوتيك 0/989 تعيين گرديد و عصاره چويل تأثير بيشتري بر افزايش اين فعاليت داشت. ضريب همبستگي تعداد لاكتوباسيلوس بولگاريكوس و استرپتوكوكوس ترموفيلوس به ترتيب0/993 و 0/975 تعيين گرديد، در عين حال، تعداد باكتري‌ها در روز پاياني، بيش از حداقل تعداد آنها در ماست‌ پروبيوتيك تعيين گرديد (107 cfu/ml). ضريب همبستگي براي «رنگ»، «طعم»، «قوام» و «پذيرش كلي» به ترتيب برابر با 0/937، 0/984، 0/983و 0/978 ارزيابي شد و تيمارهاي حاوي عصاره اسپيرولينا، امتيازات حسي بالاتري را در مقايسه با عصاره چويل نشان دادند. نتايج نشان داد كه به كمك شبكه‌اي با تعداد 10 نرون در لايه پنهان و با كمك تابع فعال سيگموئيدي هيبربوليكي و درصد داده‌هاي مورد استفاده براي آموزش/آزمون/ارزيابي برابر با60 / 15/ 25 مي‌توان خواص كيفي ماست پروبيوتيك را پيش‌گويي نمود. آناليز حساسيت شبكه عصبي بهينه به خوبي اهميّت پيش‌گويي‌كنندگي پارامترهاي غلظت دو عصاره و زمان نگهداري را بر تغييرات مورد بررسي ماست پروبيوتيك نشان داد. مي‌توان گفت شبكه عصبي مصنوعي ابزار توانمندي در پيش‌گويي خصوصيات كيفي ماست پروبيوتيك بوده است.

The purpose of this study was to evaluate the free radical scavenging activity, yogurt starters counts and sensory characteristics (color, flavour, consistency, overall acceptance) of low-fat probiotic yogurt enriched with different levels of hydroalcoholic extract of Ferulago angulata (F.angulata ) and microalgae Spirulina platensis (S. platensis) for 21 days at refrigerated temperature and predicting the experiments results by Artificial neural network (ANN). In order to predict the experiments results, the multilayer perceptron neural network with two inputs (extract concentration, storage time) and one output using MATLAB R2013a software was used. About free radical scavenging activity (DPPH) of probiotic yogurt samples, the R2was determined to be 0/989. Over time, by the 14th day, the free radical scavenging activity was increased and then decreased. F. angulata extract had a greater impact on this activity. For L. bulgaricus and S. thermophilus, R2 were 0/99 and 0/97 respectively. Treatments containing S. platensis extract had a higher count of these strains in comparsion with F. angulata extract. while the starter cultures count in the final day was determined to be more than the minimum number in probiotic yogurt (107 cfu/ml). R2 for color, flavor, consistency, and overall acceptance were 0/93, 0/98, 0/98, and 0/97 respectively, while the treatments containing S. platensis extract showed higher sensory scores in comparsion with F. angulata extract. The results showed that using a network with 10 neurons in the hidden layer and by the active hyperbolic sigmoid function and the data percentage used for training / test / evaluation is 60/ 15 / 20, probiotic yogurt can be predicted. The sensitivity analysis of optimal neural network showed the importance of predicting the parameters of extract concentrations and storage time on the changes of physicochemical, microbial and sensory characteristics of probiotic yogurt. It can be said ANN is a powerful tool for predicting the quality of probiotic yogurt.