اندازه‌ گيري و پيش‌بيني بازده مايكرويو در حين خشك كردن برگه هاي سيب

خشك كردن يكي از مؤثرترين روش ها براي افزايش ماندگاري محصولات غذايي است. افزايش بازدهي و كاهش مصرف انرژي در خشك كردن ضروري است. صرفه جويي در زمان و انرژي بهترين مزاياي روش خشك كردن مايكرويو است. بنابراين هدف از اين تحقيق بررسي تأثير توان مايكرويو (P)، جرم محصول (M) و زمان (T) بر انرژي جذب شده، اتلاف انرژي و همچنين پيش‌بيني بازده در حين خشك شدن برگه هاي سيب در مايكرويو است. در اين تحقيق توان هاي 100، 300 و 600 وات مايكرويو، جرم 20، 40، 60، 80 و 100 گرم سيب و زمان 60، 90، 120، 150 و 180 ثانيه در نظر گرفته شدند. در اين مقاله، از سه روش مختلف هوش مصنوعي براي مدل سازي انرژي جذب شده و اتلاف انرژي سيب همراه با پيش‌بيني بازده مايكرويو در طول فرآيند خشك كردن استفاده گرديد. اين روش ها عبارتند از: شبكه عصبي مصنوعي (ANN)، سامانه استنتاج فازي عصبي تطبيقي (ANFIS) و ماشين بردار پشتيبان (SVM) همراه با الگوريتم كرم شب تاب (FFA). نتايج نشان داد كه مقدار انرژي جذب شده توسط سيب در طول خشك كردن در مايكرويو به مقدار زيادي به مقدار جرم بستگي دارد. بيشترين و كمترين بازده مايكرويو به ترتيب در توان 600 وات و جرم 100 گرم و كمترين بازده در زمان 180 ثانيه و توان 100 وات مشاهده گرديد. همچنين، انرژي جذب شده در 600 وات تقريباً چهار برابر بيشتر از آن در 100 وات بود. سامانه عصبي-فازي و ماشين بردار پشتيبان نتايج خوبي نسبت به شبكه عصبي مصنوعي براي پيش‌بيني انرژي جذب شده، اتلاف انرژي و بازده مايكرويو نشان دادند.