هدف از انجام این پژوهش بهینه سازی فرآیند خشک کردن میوه بنه در خشک کن پیوسته نیمه صنعتی بود. آزمایش ها در یک خشک¬کن جریان پیوسته نیمه صنعتی در سه سطح دمای هوای 45، 60 و 75 درجه سلسیوس، سه سطح سرعت هوای ورودی 1، 5/1 و 2 متر بر ثانیه و سه سطح سرعت تسمه 5/2، 5/6 و 5/10 میلی متر بر ثانیه انجام شد. به منظور پیش¬بینی رطوبت در طی فرآیند خشک کردن از 10 مدل ریاضی استفاده شد. بهترین مدل برای بیان رفتار خشک¬شدن میوه بنه با توجه به بیشترین مقدارr2 و کمترین مقدار برای ? 2 و rmse انتخاب شد. نتایج نشان داد که مدل میدیلی با میانگین 9998/0=r2 ، 0039/0=?2 و 0556/0=rmse دارای بهترین عملکرد در پیش¬بینی رطوبت میوه بنه در خشک¬کن جریان پیوسته نیمه صنعتی بود. بیشترین مقدار ضریب پخش موثر رطوبت (10-10×34/2 مترمربع بر ثانیه) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه و کمترین مقدار آن (11-10×48/6 مترمربع بر ثانیه) در دمای هوای 45 درجه سلسیوس، سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. مقدار انرژی فعال سازی به دست آمده برای میوه بنه از (28/0±45/25) تا (21/0±16/35) کیلوژول بر مول متغیر بود. بیشترین مقدار انرژی ویژه مصرفی (4/0±8/51 گیگا ژول بر کیلوگرم) در دمای هوای 75 درجه سلسیوس، سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. کمترین مقدار انرژی ویژه مصرفی (1/0±9/12 گیگا ژول بر کیلوگرم) در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه محاسبه گردید. بیشترین مقدار چروکیدگی (25/0±70/16 %) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین مقدار آن (54/0±34/12 %) نیز در دمای هوای 45 درجه سلسیوس سرعت هوای دو متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه محاسبه شد. بیشترین تغییرات شاخص l* (72/16) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص l* (12/0) در دمای هوای 60 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین تغییرات شاخص a* (53/13) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص a* (39/8) در دمای هوای 45 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین تغییرات شاخص b* (25/4-) در دمای هوای 75 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. همچنین کمترین تغییرات شاخص b* (05/0-) در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. بیشترین مقدار شاخص رنگی ?e (07/0±42/19) در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه به دست آمد. همچنین کمترین مقدار شاخص ?e (10/0±32/9) در دمای هوای 45 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه اندازه¬گیری شد. نیروی گسیختگی برای میوه بنه قبل از خشک کردن 47/1±97/76 نیوتن به دست آمد. بعد از خشک کردن بیشترین مقدار نیروی شکست 25/1±68/112 نیوتن در دمای هوای 75 درجه سلسیوس، سرعت هوای 5/1 متر بر ثانیه و سرعت تسمه 5/6 میلی متر بر ثانیه حاصل گردید. همچنین کمترین مقدار نیروی شکست 09/1±15/80 نیوتن در دمای هوای 45 درجه سلسیوس، سرعت هوای یک متر بر ثانیه و سرعت تسمه 5/2 میلی متر بر ثانیه به دست آمد. در این مطالعه از روش سطح پاسخ جهت بهینه سازی فرآیند خشک کردن میوه بنه در خشک کن پیوسته نیمه صنعتی استفاده شد. نقطه بهینه با شاخص مطلوبیت 747/0 به دست آمد که در این نقطه مقادیر چروکیدگی، تغییرات کلی رنگ، انرژی ویژه مصرفی و ضریب پخش موثر رطوبت به ترتیب 90/13 %، 09/11، 36/28 (گیگا ژول بر کیلوگرم) و 11-10×79/6 (مترمربع بر ثانیه) بود. نقطه بهینه خشک کردن میوه بنه نیز در دمای هوای 45 درجه سلسیوس، سرعت هوای 99/1 متر برثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه پیشنهاد شد. برای پیش¬بینی پارامتر¬های ضریب پخش موثر رطوبت، انرژی ویژه مصرفی، چروکیدگی، تغییرات کلی رنگ و نیروی شکست از شبکه های عصبی مصنوعی استفاده شد. برای پیش¬بینی ضریب پخش موثر رطوبت، شبکه پیشخور با تابع تنظیم بیزی، آرایش 1-13-10-3 و 108 چرخه آموزش آرایش مطلوب بود. در بین آرایش¬ها برای پیش بینی انرژی ویژه مصرفی، شبکه پیشخور با تابع آموزش لونبرگ- مارکوارت، آرایش 1-10-3 و 117 چرخه آموزش به عنوان مناسب ترین شبکه انتخاب شد. بهترین شبکه عصبی برای پیش بینی چروکیدگی، شبکه پیشخور با تابع تنظیم بیزی، توپولوژی 1-4-6-3 و 101 چرخه آموزش بود. بهترین شبکه عصبی برای پیش بینی تغییرات کلی رنگ، شبکه پیشخور با تابع آموزش لونبرگ-مارکوارت، توپولوژی 1-7-6-3 و 24 چرخه آموزش به دست آمد. بهترین شبکه برای پیش بینی نیروی شکست میوه بنه، شبکه پیشخور با تابع آموزش تنظیم بیزی، آرایش 1-6-8-3 و 69 چرخه آموزش پیشنهاد شد. برای بهینه¬یابی با استفاده از شبکه عصبی مصنوعی یک عامل بهینه¬یاب (sum) تعریف گردید. در مجموع ده نقطه کمینه ایجاد شد و این نقاط از بین الگوهای ورودی استخراج شد. نقطه بهینه در دمای هوا 45 درجه سلسیوس، سرعت هوا دو متر بر ثانیه و سرعت تسمه 5/10 میلی متر بر ثانیه بدست آمد.