مطالعه سرعت فرآيند خشك كردن خلايي- تابشي ورقه‌هاي سيب‌زميني با استفاده از مدل‌هاي رگرسيوني و شبكه عصبي مصنوعي

A Study of Drying Rate of Sliced Potatoes during RadiationVacuum Drying Process using Regression and Artificial Neural Network Models

در اين تحقيق ورقه‌هاي سيب‌زميني به صورت تك لايه با استفاده از گرمايش لامپ مادون قرمز تحت شرايط اعمال خلأ در سه سطح توان تابشي 100، 150 و 200 وات، سه سطح ضخامت ورقه 1، 2 و 3 ميلي‌متر و چهار سطح فشار مطلق 20، 80، 140 و 760 ميلي‌متر جيوه در سه تكرار آزمايشي تا رسيدن به محتواي رطوبتي 6% بر پايه تر، مناسب جهت انبارداري طولاني مدت، خشك شدند. نتايج نشان داد كه در ضخامت يكسان ورقه سيب‌زميني، با افزايش توان لامپ و كاهش فشار مطلق درون محفظه خشك‌كن، مدت زمان لازم جهت خشك كردن ورقه‌هاي سيب‌زميني كاهش يافته است. از سوي ديگر، در اثر اين پديده چروكيدگي بيشتري در ورقه‌ سيب‌زميني به وجود آمده است. طبق نتايج به دست آمده در رابطه با تعيين ميزان چروكيدگي ورقه با استفاده از تكنيك پردازش تصوير مي‌توان بيان كرد كه ضخامت ورقه و دماي خشك كردن كه ناشي از تابش لامپ مادون قرمز بوده تاثير معني‌داري (در سطح احتمال 1%) بر ميزان تغيير شكل ورقه سيب‌زميني داشته ‌است. همچنين نتايج حاصل از برآورد زمان خشك كردن به عنوان تابعي از توان تابشي مادون قرمز، ميزان فشار مطلق، ضخامت ورقه و محتواي رطوبت محصول به كمك شبكه عصبي مصنوعي و مدل‌هاي رگرسيون خطي و غير خطي نشان داد كه مدل شبكه عصبي توانسته است بيشترين ضريب تبيين (9732/0=R2) را در مقايسه با مدل‌هاي رگرسيوني خطي (819/0=R2) و غير خطي (870/0=R2) در رابطه با پيش‌بيني زمان مورد نياز جهت خشك كردن سيب‌زميني به دست آورد.

In this study, a single layer sliced potato was dried using an infrared lamp heating under vacuum over three levels of radiant power including 100, 150 and 200 W, three slices thickness 1, 2 and 3 mm and the absolute pressure of 20, 80, 140 and 760 mmHg. Samples were dried in triplicate to achieve 6% moisture content (wet based) which is suitable for longterm storage. Drying rate was monitored during experiments. The shrinkage of sliced potato was measured using image processing. The results showed that increasing infrared radiation and reducing absolute pressure at the same slice thickness, could cause drying time to be reduced but shrinkage increased. Thickness of the slices and infrared radiation power had a significant impact (P<0.01) on shrinkage. Results also showed that the neural network model (R2=0.9732) predicted drying time better than linear (R2=0.819) and nonlinear (R2=0.870) Regression Model.