پیش بینی خواص فیزیکی پسته با استفاده از شبکه های عصبی مصنوعی در طی فرآوری

شناخت خواص فیزیکی مغز پسته در فرآیندهای انتقال، خشک کردن، فرآوری، جداسازی، درجه بندی و ذخیره این محصول ارزشمند نقش اساسی ایفاء می کند. در این مطالعه، خواص فیزیکی پسته توسط مدل های مختلف شبکه ی عصبی شبیه سازی گردید. مدل های مختلف شبکه ی عصبی همراه با تابع های آستانه ی مختلف در پیش بینی مقادیر مساحت سطح، حجم، جرم و دانسیته ی ذره پسته مورد استفاده قرار گرفت. نتایج، نشان داد که که مدل شبکه ی عصبی تابع پایه ی شعاعی با تابع آستانه ی پایه ی شعاعی عادی بهترین نتیجه را در پیش بینی مقادیر مساحت سطح، حجم، جرم و دانسیته ی ذره پسته داشته به طوری که این شبکه توانست به ترتیب مقادیر مساحت سطح، حجم، جرم و دانسیته ی ذره ی پسته را با ضرایب تبیین 982/0، 982/0، 992/0 و 962/0 پیش بینی نماید. علاوه بر این، در این پژوهش، مساحت سطح، حجم، جرم و دانسیته ی ذره ی پسته از طریق معادلات رگرسیونی برازش داده شد. نتایج، نشان داد روش رگرسیونی خطی توانست مقادیر مساحت سطح، حجم، جرم و دانسیته ی ذره ی پسته به ترتیب با ضرایب تبیین 931/0، 897/0، 985/0 و 944/0 پیش بینی نماید. به طوری نتایج نشان داد که مدل شبکه ی عصبی توانایی بالایی در پیش بینی خواص فیزیکی پسته نسبت به روش رگرسیون خطی داشته است.