پایش فرآیند مالتسازی با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

• علیرضا قدس ولی ¹
• محسن مختاریان ²
• حمید بخش ابادی ³
• فاطمه عرب‌عامریان ²

¹ مرکز تحقیقات گلستان

² دانشگاه ازاد اسلامی واحد سبزوار

³ دانشگاه ازاد اسلامی واحد گنبد کاووس

https://doi.org/10.22067/ifstrj.v9i3.29604

چکیده

مالت‌سازی یک فرآیند زیست فناوری پیچیده است که شامل مراحل خیساندن، جوانه‌زنی و خشک کردن مالت جوانه‌زده در شرایط کنترل شده دما و رطوبت می‌باشد. در این پژوهش پارامترهای فرآیند مالت‌سازی از طریق توابع فعال‌سازی مختلف شبکه‌ عصبی نظیر لگاریتم سیگموئید-لگاریتم سیگموئید، تانژانت هیپربولیک-تانژانت هیپربولیک، لگاریتم سیگموئید-تانژانت هیپربولیک، لگاریتم سیگموئید-همانی و تانژانت هیپربولیک-همانی پیش‌بینی گردید. مقادیر زمان خیساندن (x1) و زمان جوانه‌زنی (x2) به عنوان ورودی‌ها و راندمان عصاره گیری گرم (y1)، راندمان مالت‌سازی (y2) و فعالیت آنزیمی (β-گلوکاناز) (y3) به عنوان خروجی انتخاب گردید. نتایج نشان داد که استفاده از شبکه عصبی پرسپترون با تابع فعال‌سازی تانژانت هیپربولیک-همانی با 17 نرون بهترین نتیجه را در بین کلیه‌ توابع بکار رفته در پیش‌بینی پارامترهای مؤثر در فرآیند مالت سازی داشت. هم چنین این شبکه قادر بود مقادیر راندمان عصاره‌گیری گرم، راندمان مالت‌سازی و فعالیت آنزیمی (β-گلوکاناز) را با ضرایب تبیین 1، 984/0 و 995/0 پیش‌بینی نماید. این شیوه نوین می‌تواند به طور موفقیت‌آمیزی برای پایش کمی تغییرات مالت در طی فرآیند مالت‌سازی مورد استفاده قرار گیرد.

کلیدواژه‌ها

• شبکه عصبی مصنوعی
• مالت
• پیش‌بینی

عنوان مقاله [English]

Investigation of Malting Process Using Artificial Neural Network

نویسندگان [English]

• Alireza Ghodsvali ¹
• Mohsen Mokhtarian ²
• Hamid Bakhshabadi ³
• Fatemeh Arabamerian ²

¹ Golestan Research Center

² Islamic Azad University, Sabzevar Branch

³ Islamic Azad University, Gonbad Kavous Branch

چکیده [English]

Malting is a complex biotechnological process that includes steeping; germination and drying of cereal grains
under controlled conditions of temperature and humidity. In this research malting process parameters were
predict by modular neural network with different activation function included, logsig-logsig, tanh-tanh, logsigtanh,
logsig-identity and tanh-identity. Steeping time (x1) and germination time (x2) were used as input
parameters and hot water extract (y1), malting yield (y2) and enzyme activity (β-Gluconase) (y3) were selected as
output parameters. The results showed that using perceptron neural network with tanh-identity activation
function had the best result among all of activation functions to predict effective parameters of malting process.
As well, this network was able to predict hot water extract, malting yield and enzyme activity (β - Gluconase)
with R2 value of 1, 0.984 and 0.995, respectively.

کلیدواژه‌ها [English]

• Artificial neural network
• Malt
• prediction