Mohsen Zandi - Assistant Professor, Department of Food Science and Engineering, Faculty of agricultural University of Zanjan, Zanjan, Iran
Ali Ganjloo - Associate Professor, Department of Food Science and Engineering, University of Zanjan, Zanjan, Iran
Mandana Bimakr - Associate Professor, Department of Food Science and Engineering, Faculty of agricultural University of Zanjan, Zanjan, Iran

هدف از انجام این پژوهش بررسی سینتیک تخریب خصوصیات کیفی اصلی ازگیل طی نگهداری در سردخانه می باشد. ازگیل (Mespilus germanica) بطور گسترده و بیشتر به صورت وحشی در شمال ایران می روید و کاربرد فراوانی به سبب خواص تغذیه ای و درمانی دارد. در میوه ها خصوصیات کیفی به عنوان معیار مهم پذیرش توسط مصرف کننده است، از اینرو ارزیابی پارامترهای موثر بر کیفیت ازگیل حائز اهمیت می باشد. از آنجائی­که اندازه گیری این پارامترها بسیار هزینه بر و زمان بر است، بنابراین پیش بینی آنها بسیار ضروری می باشد. در پژوهش حاضر مدل های ریاضی و شبکه های عصبی مصنوعی (ANNs) برای مدل سازی ارتباط بین خصوصیات فیزیکی و شیمیایی و ویژگی های رنگی با زمان نگهداری در سردخانه بکار برده شد. از پنج مدل سینتیکی درجه صفر، درجه اول، درجه دوم، تبدیل جزء و ویبال برای مدل سازی با کمک نرم افزار متلب استفاده شد. از بین این مدل ها، مدل ویبال به عنوان بهترین مدل در پیش بینی تغییرات پارامترهای فیزیکی و شیمیایی (  و ) و رنگی (  و ) انتخاب گردید. در مدل سازی ANN از شبکه پرسپترون چند لایه ای (MLP) با تعداد مختلفی نورون استفاده گردید. ورودی های شبکه شامل زمان نگهداری، رطوبت ازگیل و درجه رسیدگی و خروجی آن نیز مقادیر خصوصیات فیزیکی و شیمیایی و رنگی بود. همچنین از الگوریتم لونبرگ-مارکوآرت به منظور آموزش شبکه و از تابع های آستانه ای سیگموئید لگاریتمی، خطی و تانژانت هایپربولیک سیگموئید استفاده گردید. نتایج نشان داد که شبکه MLP با تابع آستانه ای خطی و پیکربندی های ۳-۴-۸-۳ و ۲-۳-۷ بهترین دقت را به ترتیب برای پیش بینی ویژگی های فیزیکی و شیمیایی (  و ) و خصوصیات رنگی (  و ) دارند.

Medlar, ANN, Kinetics models, Mathematical modeling, Physicochemical properties, ازگیل, شبکه های عصبی مصنوعی, سینتیک تغییرات, مدل های ریاضی, ویژگی های فیزیکی و شیمیایی