با همکاری انجمن علوم و صنایع غذایی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه علوم پزشکی مشهد

2 گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران.

چکیده

خشک کردن اسمزی، به عنوان یک روش فرآوری کمینه طی دهه‌های گذشته اهمیت بسیاری یافته است. این فرآیند مستلزم انتقال جرم می‌باشد که با روش‌های مختلف، عمدتاً مبتنی بر قانون فیک، مدل سازی می‌شود. در این پژوهش، فرآیند مدل سازی با به دست آوردن داده‌های تجربی درصد جذب مواد جامد، میزان از دست دادن رطوبت و درصد رطوبت در محصول در غلظت‌های مختلف محلول اسمزی (5، 10 و 15%)، دمای غوطه وری (30، 40 و 60 درجه سانتی گراد)، نسبت سیب زمینی به محلول اسمزی (1:6 ، 1:8 ، 1:10) و مدت زمان غوطه وری (1، 2، 3 و 4 ساعت) انجام شد. به منظور بررسی تأثیر تغییرات در هر یک از پارامترهای عملیاتی بر روی متغیرهای کینتیک انتقال جرم، تحلیل حساسیت صورت پذیرفت. برای مدل سازی داده ها از شبکه عصبی مصنوعی (ANN) استفاده شد و نتایج، حاکی از قدرت بالای مدل در پیش بینی خروجی‌های سیستم و نیز حساسیت زیاد این خروجی ها به پارامتر نسبت نمونه به محلول اسمزی بود.

واژه‌های کلیدی: سیب زمینی، آبگیری اسمزی، تحلیل حساسیت، شبکه عصبی مصنوعی

عنوان مقاله [English]

Evaluation of the Operational Parameters’ Effect on Mass Transfer Kinetics During Osmosic Dehydration of Potato Slices Using Sensitivity Analysis Based on Artificial Neural Networks

نویسندگان [English]

  • Mohammad Reza Amiryousefi 1
  • Mohebbat Mohebbi 2

1 Mashhad University of Medical Sciences

2 Department of Food Science and Technology, Ferdowsi University of Mashhad, Mashhad, Iran.

چکیده [English]

Osmotic dehydration, as a minimal processing method, has found increasingly wide prospects during the past few decades. This process involves mass transfer which is commonly modeled by applications of different procedures, mostly based on Fick's law. In this research, we approached the modeling process by first obtaining experimental measurement of potato’s solid gain, water loss and moisture content under different conditions of solution concentrations ( 5, 10 and 15% w/w), temperatures (30, 40 and 60oC) , potato to solution ratio (1:6, 1:8 and 1:10) as well as time intervals (1, 2, 3 & 4h). In order to evaluate the effect of changes in operational parameters on mass transfer kinetics, sensitivity analysis was performed. Artificial neural networks (ANN) was applied for modeling. The results exhibited how much powerful the model is in prediction of the system’s outputs, and high sensitiveness of these outputs to the ratio of potato to osmotic solution.

Keywords: Potato, Osmotic dehydration, Sensitivity analysis, Artificial neural networks

CAPTCHA Image