مدلسازی اثر آسکوربات کلسیم بر خصوصیات پس از برداشت قارچ دکمهای با استفاده از الگوریتم ژنتیک- شبکه عصبی مصنوعی | ||
| دوفصلنامه فنآوری تولیدات گیاهی | ||
| مقاله 2، دوره 11، شماره 1، خرداد 1398، صفحه 17-28 اصل مقاله (710.04 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22084/ppt.2018.10130.1577 | ||
| نویسندگان | ||
| فخرالدین صالحی1؛ محمد سیاری* 2؛ سجاد الوندی3 | ||
| 1استادیار گروه علوم و مهندسی صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران | ||
| 2دانشیار، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران | ||
| 3دانشآموخته کارشناسیارشد، گروه علوم باغبانی، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران | ||
| چکیده | ||
| در این پژوهش مدلسازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمهای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی موردبررسی قرار گرفت. آسکوربات کلسیم در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در دوره پس از برداشت مؤثر میباشد. لذا در این مطالعه ابتدا قارچهای دکمهای توسط محلول آسکوربات کلسیم با دمای 45 درجه سانتیگراد در سه سطح 0، 4/0 و 8/0 درصد تیمار شدند و بعد از خشک شدن در دمای اتاق و 1 درجه سانتیگراد با رطوبت نسبی 90 درصد نگهداری گردیدند. صفات کیفی قارچ دکمهای پس از برداشت در روزهای صفر، 10، 15، 20 و 25 اندازهگیری شدند. مدلسازی اثر آسکوربات کلسیم بر خصوصیات قارچ دکمهای به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی با دو ورودی (غلظت آسکوربات کلسیم و عمر قفسهای) و 9 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، pH، کروما، زاویه هیو، EΔ، شاخص قهوهای شدن و فنل کل) با استفاده از شبکه عصبی پرسپترون چند لایه انجام شد. نتایج نشان داد شبکهای با تعداد 12 نرون در یک لایه پنهان و با استفاده از تابع فعالسازی تانژانت هیپربولیک میتواند اثر آسکوربات کلسیم بر ویژگیهای قارچ دکمهای را با میانگین ضریب همبستگی برابر با 95/0 تخمین زند. نتایج آنالیز حساسیت با شبکه عصبی بهینه (9-12-2)، عمر قفسهای را بهعنوان مؤثرترین عامل در پیشبینی صفات قارچ دکمهای طی پس از برداشت مشخص نمود. | ||
| کلیدواژهها | ||
| پرسپترون؛ عمر قفسهای؛ شاخص قهوهای شدن؛ فنل کل | ||
| موضوعات | ||
| فیزیولوژی پس از برداشت | ||
| عنوان مقاله [English] | ||
| Modeling of Calcium Ascorbate Effect on Button Mushroom Characteristics During Postharvest Using Genetic Algorithm-artificial Neural Network | ||
| نویسندگان [English] | ||
| Fakhreddin Salehi1؛ Mohammad Sayyari2؛ Sajjad Alvandi3 | ||
| 1Assistant Professor, Department of Food Science and Technology, Faculty of Food Science, Bu-Ali Sina University, Hamedan, Iran | ||
| 2Associate Professor, Department of Horticultural Sciences, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran | ||
| 3MSc Graduated, Department of Horticultural Sciences, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran | ||
| چکیده [English] | ||
| Modeling of calcium ascorbate effects on characteristics of button mushroom was investigated by Genetic Algorithm–Artificial Neural Network (GA-ANN). Calcium ascorbate is effective in maintaining the quality and reducing the waste of agricultural products after harvest. In this study button mushrooms were treated by calcium ascorbate solutions in 45°C temperature at three levels of 0, 0.4 and 0.8 %, and after drying at room temperature, kept at 1°C and 90% relative humidity. Qualitative characteristics of button mushroom during postharvest period were evaluated after 0, 10, 15, 20 and 25 days. Modeling of calcium ascorbate effects on button mushroom characteristics were undertaken by GA-ANN method with 2 inputs (calcium ascorbate concentration and shelf life) and 9 output (weight loss, firmness, TDS, pH, chroma, hue angle, ΔE, browning index and total phenol) using multi-layer perceptron. The results showed that networks with 12 neurons in a hidden layer using tangent activation function could predict effect of calcium ascorbate on button mushroom characteristics with correlation coefficient equal to 0.95. Results of sensitivity analysis by optimum neural network (2-12-9), was defined shelf life as the most effective factor in predicting button mushroom attributes during postharvest period. | ||
| کلیدواژهها [English] | ||
| Browning index, Perceptron, Shelf life, Total phenol | ||
| مراجع | ||
|
الوندی، س. و سیاری، م. 1394. اثر آسکوربات کلسیم و تیمار دمایی بر افزایش عمر قفسهای قارچ دکمهای. بهزراعی کشاورزی (پذیرش چاپ). پیوست، غ. و الفتی، ج. 1386. پرورش پیشرفته قارچ خوراکی. انتشارات دانشپذیر. 210 صفحه. تبریزیان، ح. 1391. بررسی احتمال بروز تنش محیطی در گیاه پسته براساس دادههای اقلیمی با استفاده از شبکه عصبی مصنوعی. پایاننامه کارشناسیارشد، دانشگاه آزاد اسلامی واحد گرمسار، 138 صفحه. حاتمی، م.، کلانتری، س. و دلشاد، م. 1391. اثر تیمار پس از برداشت آب گرم و شرایط دمای نگهداری بر میوه رسیده سبز گوجهفرنگی. علوم باغبانی ایران، 43 (2): 123-113. حسینی، س. م. ط.، سیوسه مرده، ع.، فتحی، پ. و سیوسه مرده، م. 1386. کاربرد شبکههای عصبی مصنوعی و رگرسیون چند متغیره در برآورد عملکرد گندم دیم منطقه قروه استان کردستان. پژوهش کشاورزی، 7 (1): 54-41 . رضایی، م. و روحانی، ع. 1392. مدلسازی و بهینه کردن مقاومت روزنهای زیتون در شرایط تنش شوری ناشی از کلریدسدیم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک. بهزراعی کشاورزی، 15 (4): 64-53. سیاری، م.، صالحی، ف. و الوندی، س. 1395. کاربرد شبکه عصبی مصنوعی جهت مدلسازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمهای. فناوریهای نوین غذایی، سال 3، شماره 12: 34-27. صالحی، ف.، کاشانینژاد، م.، نجفی، ا. و اسدی، ف. 1395. مدلسازی سینتیک خشککردن لایه نازک قارچ دکمهای توسط هوای داغ با استفاده از الگوریتم ژنتیک- شبکه عصبی مصنوعی. نشریه پژوهشهای صنایع غذایی، 26 (3): 12-1. مستوفی، ی. و نجفی، ف. 1384. روشهای آزمایشگاهی تجزیهای در علوم باغبانی. انتشارات دانشگاه تهران، 136 صفحه. Aguayo, E., Requejo-Jackman, C., Stanley, R. and Woolf, A. 2010. Effects of calcium ascorbate treatments and storage atmosphere on antioxidant activity and quality of fresh-cut apple slices. Postharvest Biology and Technology, 57: 52-60. Barbagallo, RN., Chisari, M. and Caputa, G. 2012. Effects of calcium citrate and ascorbate as inhibitors of browning and softening in minimally processed 'Birgah' eggplants. Postharvest Biology and Technology, 73: 312-322. Cheng, XF., Zhang, M. and Adhikari, B. 2013. The inactivation kinetics of polyphenol oxidase in mushroom (Agaricus bisporus) during thermal and thermosonic treatments. Ultrasonics Sonochemistry, 20: 674-679. Fan, X., Niemera, BA., Mettheis, JP. Zhuang, H. and Olson, DW. 2005. Quality of fresh-cut apples slices as affected by low-dose ionizing radiation and calcium ascorbate treatment. Journal of Food Sciences, 70: 143-148. FAO- FAOSTAT, 2013. Food and Agriculture Organization of the United Nations. Available at http://www.fao.org. (Accessed 1 September 2015). Lagnika, C., Zhang, M., Nsor-Atindana, J. and Bashari, M. 2012. Effects of ultrasound and chemical treatments on white mushroom (Agaricus bisporus) prior to modified atmosphere packaging in extending shelf-life. Journal of Food Sciences and Technolology, 51: 3749-3757. Lurie, S. 1998. Postharvest heat treatments. Postharvest Biology and Technology, 14: 257-269. Ramzi, M., Kashaninejad, M., Salehi, F., Sadeghi Mahoonak, A. R. and Razavi, S. M. A. 2015. Modeling of rheological behavior of honey using genetic algorithm-artificial neural network and adaptive neuro-fuzzy inference system. Food Bioscience, 9: 60-67. Salehi, F. and Kashaninejad, M. 2014. Effect of different drying methods on rheological and textural properties of Balangu seed gum. Drying Technology, 32 (6): 720-727. Salehi, F. and Razavi, S. M. A. 2012. Dynamic modeling of flux and total hydraulic resistance in nanofiltration treatment of regeneration waste brine using artificial neural network. Desalination and Water Treatment, 41: 95-104. Salehi, F. and Razavi, S. M. A. 2016. Modeling of waste brine nanofiltration process using artificial neural network and adaptive neuro-fuzzy inference system. Desalination and Water Treatment, 57: 14369-14378. Silveira, AC., Aguayo, E., Chisari, M. and Artes, F. 2011. Calcium salts and heat treatment for quality retention of fresh-cut Galia melon. Postharvest Biology and Technology. 62: 77-84. Singleton, VL., Orthofer, R. and Lamuela-Raventos, RM. 1999. Analysis of total phenols and other oxidation substrates and antioxidants by means of folin–ciocalteu reagent. Methods in Enzymology, 299: 152-178. Tomas-Barberan, FA., Gil, MI., Cremin, P., Waterhouse, AL., Hess-Pierce, B. and Kader, AL. 2001. HPLC-DAD-ESIMS analysis of phenolic compounds in nectarines, peaches and plums. Journal of Agricultural and Food Chemistry, 49: 4748-4760. | ||
|
آمار تعداد مشاهده مقاله: 446 تعداد دریافت فایل اصل مقاله: 335 |
||