کاربرد شبکه عصبی مصنوعی جهت مدل سازی اثر آسکوربات کلسیم بر افزایش زمان ماندگاری قارچ دکمه ای
Abstract
آسکوربات کلسیم نمک بافر اسید آسکوربیک حاوی کلسیم می باشد و در حفظ کیفیت و کاهش ضایعات محصولات کشاورزی در پس از برداشت مؤثر می باشد. در این مطالعه از مدل سازی شبکه عصبی مصنوعی جهت پیش بینی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای استفاده گردید. پس از اعمال تیمار آسکوربات کلسیم در سه سطح 0، 4/0 و 8/0 درصد، قارچ ها در دمای 5/0±1 درجه سلسیوس و رطوبت نسبی 90% نگه داری و سپس صفات کیفی طی روزهای صفر، 10، 15، 20 و 25 مورد بررسی قرار گرفتند. به منظور پیشگویی اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای از شبکه عصبی پرسپترون چند لایه با 2 ورودی (غلظت آسکوربات کلسیم و زمان انبارمانی) و 14 خروجی (کاهش وزن، سفتی، مواد جامد محلول کل، ph، l*، a*، b*، کروما، زاویه هیو، eδ، شاخص قهوه ای شدن، ویتامین ث، فنل کل و فعالیت آنزیم پلی فنل اکسیداز) استفاده شد. نتایج نشان داد شبکه ای با تعداد 8 نرون در یک لایه پنهان و با استفاده از تابع فعال سازی سیگموئیدی و تکنیک بهینه سازی لیونبرگ مارکوت و درصد داده های مورد استفاده برای تربیت/ آزمون/ ارزیابی برابر 40/20/40 می توان اثر آسکوربات کلسیم بر زمان ماندگاری قارچ دکمه ای را با میانگین ضریب همبستگی برابر 91/0 تخمین زد. نتایج آنالیز حساسیت با شبکه عصبی بهینه (14-8-2)، زمان نگهداری را به عنوان مؤثرترین عامل در پیش بینی صفات قارچ دکمه ای در طی پس از برداشت مشخص نمود.