اندازه گیری و پیش بینی بازده مایکروویو در حین خشک کردن برگه‌های سیب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه ماشینهای کشاورزی، دانشکده کشاورزی سنقر، دانشگاه رازی، کرمانشاه، ایران

2 دانش آموخته دکترا ماشینهای کشاورزی، دانشکده کشاورزی، دانشگاه تهران،کرج ، ایران

چکیده

خشک کردن یکی از موثرترین روش‌ها برای افزایش ماندگاری محصولات غذایی است. افزایش راندمان و کاهش مصرف انرژی در خشک کردن ضروری است. صرفه جویی در زمان و انرژی بهترین مزایای روش خشک کردن مایکروویو است. بنابراین هدف از این تحقیق بررسی تأثیر توان مایکروویو (P)، جرم محصول (M) و زمان (T) بر انرژی جذب شده، اتلاف انرژی و همچنین پیش‌بینی بازده در حین خشک شدن برگه‌های سیب در مایکروویو بود. در این تحقیق توان‌های مایکروویو 100، 300 و 600 وات، جرم سیب 20، 40، 60، 80 و 100 گرم و زمان 60، 90، 120، 150 و 180 ثانیه در نظر گرفته شدند. در این مقاله، از سه روش مختلف هوش مصنوعی برای مدلسازی انرژی جذب شده و اتلاف انرژی سیب همراه با پیش‌بینی بازده مایکروویو در طول فرآیند خشک کردن استفاده گردید. این روش‌ها عبارتند از: شبکه عصبی مصنوعی (ANN)، سیستم استنتاج فازی عصبی تطبیقی (ANFIS) و ماشین بردار پشتیبان (SVM) همراه با الگوریتم کرم شب تاب (FFA). نتایج نشان داد که مقدار انرژی جذب شده توسط سیب در طول خشک کردن در مایکروویو به شدت به مقدار جرم بستگی دارد. بیشترین و کمترین بازده مایکروویو به ترتیب در توان 600 وات و جرم 100 گرم و کمترین بازده در زمان 180 ثانیه و توان 100مشاهده گردید. همچنین، انرژی جذب شده در 600 وات تقریباً چهار برابر بیشتر از آن در 100 وات بود. سیستم عصبی-فازی و ماشین بردار پشتیبان نتایج خوبی نسبت به شبکه عصبی مصنوعی برای پیش‌بینی انرژی جذب شده، اتلاف انرژی و بازده مایکروویو نشان دادند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Measurement and prediction of microwave efficiency during drying of apple leaves

نویسندگان [English]

  • nahid aghili nategh 1
  • mohammad jafar dalvand 2

1 Department of Agricultural Machinery Engineering, Sonqor Agriculture Faculty, Razi University, Kermanshah, Iran.

2 PhD Graduated in Agricultural Machinery Engineering, Facumlty of Agricultural Engineering and Technology, University of Tehran, Karaj, Iran

چکیده [English]

Drying is one of the most effective methods to increase the shelf life of food products. Increasing efficiency and reducing energy consumption in drying is essential. Saving time and energy are the best advantages of the microwave drying method. So this work aims to investigates the influences of microwave power (P), mass of product (M) and time (T) on the absorbed energy and energy loss and also predict the efficiency during microwave dehydration of apple leaves. We perform the investigation at P=100, 300 and 600 W, M=20, 40, 60, 80 and 100 g; and T=60, 90, 120, 150 and 180 s. In this paper, three different machine learning methods are used to simulate the absorbed energy and energy loss of apple along with prediction of the microwave efficiency during dehydration process. These methods are: artificial neural networks (ANNs), adaptive neuro fuzzy inference system (ANFIS) and support vector machines (SVM) coupled with firefly algorithm (FFA) Our results indicates that the amount of absorbed energy by apple during microwave dehydration strongly depends on on the amount of the mass. The highest and lowest efficiency of the microwave was observed in the power of 600 W and mass of 100 g, and the lowest efficiency was observed in the time of 180 s and power of 100W. Also, absorbed energy at 600W was found to be almost four times higher than that at 100 W. ANFIS and SVM-FFA showed good results than ANN for predicting absorbed energy, energy loss and microwave efficiency.

کلیدواژه‌ها [English]

  • microwave؛ efficiency؛ SVM؛ firefly algorithm
  • ANN
  • ANFIS