مصطفی کرمی

گوجه‌فرنگی (Solanum lycopersicum) گیاهی چند ساله، گلدار و متعلق به تیره بادنجانیان است. دانه گوجه‌فرنگی دارای 9/33 -2/22 درصد پروتئین و 5/20 تا 6/29 درصد چربی است. روش‌های متنوعی برای استخراج روغن از دانه‌های روغنی معرفی شده‌اند که در این میان دو روش استخراج با روش حلال یا همان روش سوکسله و روش مکانیکی یا پرس از بقیه پرکاربردتر هستند. امروزه روش‌های نوین به ‌عنوان روش اصلی و یا کمکی در استخراج روغن از دانه‌های روغنی با هدف کاهش زمان و دمای استخراج و مصرف حلال و افزایش راندمان استخراج افزایش یافته است. از جمله این روش‌ها می‌توان به استخراج با استفاده از امواج ماکروویواشاره کرد. شبکه عصبی مصنوعی متشکل از مجموعه‌ای از نرون‌ها با ارتباطات داخلی بین یکدیگر می‌باشد که قادر است بر اساس اطلاعات و داده‌های ورودی، جواب‌های خروجی را تخمین بزند. در این تحقیق دانه‌های گوجه‌فرنگی تحت تأثیر پیش‌تیمارهای مختلف ماکروویو با زمان‌های مختلف (1،0، 3 و 5 دقیقه) و دو توان کم و زیاد (200 و 500 وات) قرار گرفتند. سپس روغن دانه‌ها با دو روش پرس مارپیچی و سوکسله (استخراج با حلال) استخراج گردیده و ویژگی‌های فیزیکوشیمیایی آن‌ها از قبیل راندمان استخراج، ضریب شکست، اسیدیته، عدد پراکسید و شاخص‌های رنگی شامل روشنایی (L*)، قرمزی (a*)، زردی (b*) آنها ارزیابی گردید. با افزایش شدت توان (تا 500 وات) و زمان (تا 5 دقیقه) پیش تیمار مایکرویو دانه‌ها اسیدیته، پراکسید، راندمان استخراج و ویسکوزیته روغن استخراجی افزایش و پایداری اکسیداتیو و شاخص‌های رنگی آن در مقایسه با شاهد کاهش معنی‌داری یافت (05/0>p). همچنین روغن بدست آمده با روش پرس در مقایسه با روش حلال به ترتیب راندمان استخراج و ویسکوزیته بیشتر و اسیدیته و پراکسید کمتری داشت(05/0>p). شاخص‌های رنگی روغن حاصل از روش پرس در مقایسه با روش حلال نیز به صورت معنی‌داری بهبود یافت(05/0>p). نتایج مدل‌سازی نشان داد که روش الگوریتم ژنتیک– شبکه عصبی مصنوعی برای پیش‌بینی خصوصیات روغن استخراج شده از دانه‌های گوجه‌فرنگی مناسب است و از این روش می‌توان برای پیش‌بینی پارامترهای فرآیند استفاده نمود. نتایج آنالیز حساسیت نیز حاکی از آن بود که روش استخراج به‌عنوان مؤثرترین متغیر مستقل در تعیین خصوصیات روغن استخراج شده از دانه‌های گوجه‌فرنگی است.