پیش‌‌بینی سینتیک و بازده انرژی مصرفی خشک‌کردن گیاه دارویی به لیمو (Lippia citriodora Kunth) با استفاده از شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه جهرم.

2 مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه تربیت مدرس، دانشکده کشاورزی، تهران، ایران

3 استاد مهندسی ماشین های کشاورزی، دانشگاه کشاورزی، مرکز آموزش عالی امام خمینی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران

10.22092/mpt.2025.370955.1204

چکیده

گیاهان دارویی از مهمترین منابع اولیه مورد استفاده در صنعت غذا و دارو می‌باشند. خشک‌کردن یکی از قدیمی‌ترین روش‌های محافظت گیاهان دارویی می‌باشد. در این مطالعه تاثیر توان های مختلف مایکروویو (25%، 50%، 75% و 100% توان) و ضخامت‌های محصول 3 و 6 میلی‌متر بر رفتار خشک شدن، ضریب نفوذ موثر، بهترین مدل ریاضی خشک شدن، مقادیر انرژی فعال‌سازی و میزان انرژی مصرفی در گیاه دارویی (Lippia citriodora Kunth) مورد بررسی قرار گرفت. نتایج نشان داد کمترین ضریب نفوذ موثر m2/s 1.329× 10^-6 در ضخامت 3 میلی‌متر و 25% توان و بیشترین مقدار آن m2/s 2.486× 10^-5 در ضخامت 6 میلیمتر و 100 توان، می‌باشد. همچنین در این پژوهش پارامترهای مختلف خشک‌کردن و توپولوژی‌های مختلف شبکه عصبی مصنوعی MLP، جهت تعیین بهترین شبکه برای گیاه به لیمو با خشک‌کن مایکروویو بررسی و ارزیابی شد. نتایج بدست آمده نشان داد. بهترین مدل آموزش با شبکه 3-15-3 MLP با 15 نورون در لایه پنهان با بیشترین ضریب تبیین (0.952) و کمترین ریشه میانگین مربعات خطا (0.154) حاصل ‌شد.

کلیدواژه‌ها

عنوان مقاله [English]

Predicting the Kinetics and energy efficiency of drying the medicinal plant Lemon verbena (Lippia citriodora Kunth) using artificial neural networks

نویسندگان [English]

  • Hamid Khafajeh 1
  • Mohammad Zarien 2
  • Mohammad Younesi Alamouti 3
1 Biosystems Engineering Department, Jahrom University, Jahrom, Iran
2 Biosystems Engineering Department, Tarbiat Modares University, Tehran, Iran
3 Imam Khomeini Higher Education Center, Agricultural Research, Education and Extension Organization (AREEO), Karaj, Iran
چکیده [English]

Medicinal plants are one of the most important primary resources used in the food and pharmaceutical industries. Drying is one of the oldest methods of preserving medicinal plants. In this study, the effect of different microwave powers (25%, 50%, 75% and 100% power) and product thicknesses of 3 and 6 mm on drying behavior, effective diffusion coefficient, best mathematical model of drying, activation energy values ​​and energy consumption in medicinal plant (Lippia citriodora Kunth) was investigated. The results showed that the lowest effective diffusion coefficient was 1.329×10-6 m2/s at 3 mm thickness and 25% power and the highest value was 2.486×10-5 m2/s at 6 mm thickness and 100 power. Also, in this research, different drying parameters and different topologies of MLP artificial neural network were investigated and evaluated to determine the best network for lemon plant with microwave dryer. The obtained results showed that the best training model was obtained with 3-15-3 MLP network with 15 neurons in the hidden layer with the highest coefficient of determination (0.952) and the lowest root mean square error (0.154).

کلیدواژه‌ها [English]

  • Lemon verbena
  • dryer
  • kinetics
  • microwave
  • neural network

فایل ها

هم رسانی

ارجاع به این مقاله

آمار