مدل سازی خشک کردن زعفران با آون گذاری به روش شبکه عصبی مصنوعی

زعفران ارزشمندترین ادویه شناخته در دنیا است. کروسین، پیکروکروسین و سافرانال به ترتیب به عنوان شاخص رنگ، طعم و آرومای زعفران شناخته می شوند. خشک کردن از مهمترین مراحل موثر بر کیفیت نهایی زعفران از لحاظ میزان کروسین، پیکروکروسین و سافرانال محسوب می گردد. در این تحقیق کارایی فرآیند خشک کردن به روش آون گذاری بر اساس متغیرهای مهمی همچون دما، زمان و ضخامت لایه زعفران تحت مدلسازی به روش شبکه عصبی مصنوعی قرار گرفت. نتایج مدل سازی فرایند خشک کردن زعفران به روش آون گذاری نشان داد که اگر تغییرات کروسین تحت قانون یادگیری مومنتوم و با تابع انتقال تانژانت با تعداد نورون 8 و با 25، 55 و 20 درصد داده ها به ترتیب برای آموزش ارزیابی و آزمون مورد استفاده قرار گیرد بیشترین ضریب همبستگی (914/0) را خواهد داشت. در حالیکه برای تغییرات میزان پیکروکروسین قانون یادگیری لونبرگ و تابع انتقال تانژانت در تعداد نورون 12 بهترین شبکه را با 50، 25 و 25 درصد داده ها به ترتیب برای آموزش، ارزیابی و آزمون (986/0 = R) طراحی کرد. تغییرات سافرانال نیز با قانون یادگیری لونتبرگ و تابع انتقال سیگمویید در نورون شماره 8 و با 35، 45 و 20 درصد از داده ها برای آموزش، ارزیابی و آزمون با ضریب همبستگی مناسب 981/0 مدل و توسط شبکه آن پیشگویی شد.