اشرف گوهری اردبیلی

خشک کردن محصولات کشاورزی یک روش توسعه یافته است که می تواند منجر به تولید محصولی با خصوصیات کیفی و با ارزش غذایی و اقتصادی بیشتر گردد. دانه های بالنگو و به دانه دارای مقادیر قابل توجهی صمغ هستند که دارای خواص عملکردی مناسبی می باشند. مدل سازی خشک کردن مواد غذایی یک فرآیندپیش بینی کننده پارامترهای مدنظر در طراحی و توسعه سیستم های خشک کردن است. هدف از این مطالعه مدل سازی تجربی و الگوریتم ژنتیک خشک کردن صمغ دانه بالنگو و به دانه به روش فروسرخ بوده است. پارامترهای ورودی مدنظر برای مدل سازی به ترتیب شامل زمان خشک شدن صمغ ها، توان لامپ فروسرخ (250 و 375 وات)، فاصله نمونه از لامپ فروسرخ (5، 5/7 و 10)، ضخامت نمونه (0.5، 1 و 5/1) و همچنین پارامترهای خروجی شامل محتوای رطوبت بدون بعد و تغییرات وزن بود. مدل های استاندارد (ونگ و سینگ، هندسون و پابیس، تقریب انتشار، پیج، نیوتن، میدیلی و لگاریتمی) جهت بررسی سینتیک خشک شدن بر داده های آزمایشی برازش داده شدند و مورد تجزیه و تحلیل قرار گرفتند. ارزیابی پارامتر های L*، a* و b* و تغییرات رنگ در طی خشک شدن صمغ های بالنگو و به دانه و همچنین پارامتر ضریب موثر در نفوذ رطوبت مورد محاسبه قرار گرفت. نتایج نشان داد که با کاهش فاصله نمونه از لامپ و افزایش ضخامت موسیلاژ، ضریب نفوذ مؤثر رطوبت(Deff) افزایش یافته و در نتیجه زمان خشک شدن نمونه ها در خشک کن فروسرخ کاهش می یابد. محدوده ضریب نفوذ موثر رطوبت برای صمغ دانه بالنگو بین 8-10×17/ 1تا 9-10× 15/9 متر مربع بر ثانیه و برای صمغ به دانه 8-10× 26/1 تا 9-10× 99/9 بود. نتایج حاصل از بررسی های سینتیکی صمغ دانه بالنگو و به دانه بر اساس rو SE نشان داد که مدل پیج بهترین مدل برای پیش بینی نسبت رطوبت است. مقادیر r و SE برای همه آزمایش های خشک کردن به ترتیب برای صمغ دانه بالنگو در محدوده 999/0-989/0 و 074/0-001/0 و برای صمغ به دانه در محدوده 999/0-993/0 و 051/0-0004/0 به دست آمد. مدل سازی الگوریتم ژنتیک-شبکه عصبی مصنوعی جهت پیش بینی میزان تغییرات وزن در طول خشک شدن صمغ دانه بالنگو و به دانه مورداستفاده قرار گرفت. نتایج نشان داد که برای صمغ دانه بالنگو ، ایجاد شبکه با 8 نرون در لایه پنهان و برای صمغ به دانه، ایجاد شبکه با 7 نرون در لایه پنهان و با استفاده از تابع فعال سازی تانژانت هیپربولیک به خوبی می توانند ا