نوع مقاله : مقاله پژوهشی

نویسندگان

• ساره آشکار ¹
• وحید حکیم زاده ²
• حسن رشیدی ³
• سینا ایروانی کازار ⁴

¹ دانش آموخته ی مقطع ارشد گروه علوم و صنایع غذایی دانشگاه آزاد اسلامی واحد قوچان

² گروه علوم وصنایع غذایی، واحد قوچان، دانشگاه آزاد اسلامی، قوچان، ایران.

³ عضو هیئت علمی

⁴ دانشجوی مقطع دکتری گروه علوم و صنایع غذایی دانشگاه آزاد اسلامی واحد قوچان

چکیده

مشکلات تغذیه ای ناشی از مقادیر بالای چربی در برخی از پنیرها سبب شده تا استفاده از جایگزین‌های چربی در این محصولات مورد بررسی قرار گیرد. مدل سازی سختی، مقدار آب پنیر تولید شده و pH پنیر فتای فراپالایش کم‌چرب با سه سطح از لسیتین در مقدارهای صفر، 1 و 2 گرم بر کیلوگرم، سه سطح صفر، 10 و 20 گرم بر کیلوگرم از پودر آب پنیر، صمغ زانتان در مقادیر صفر، نیم و 1 گرم بر کیلوگرم و استارتر الحاقی لاکتوباسیلوس پاراکازئی در دو مقدار 1 و 3 گرم بر لیتر با شبکه عصبی مصنوعی به منظور تعیین بهترین نوع تابع انتقال، نوع قانون یادگیری و درصد داده‌های مورد استفاده برای مرحله تربیت، ارزیابی و آزمون بر اساس کمترین خطا و بیشترین ضریب همبستگی انجام پذیرفت. نتایج نشان داد که بهترین مدل برای پیشگویی تغییرات سختی پنیر الگوریتمی با یک لایه پنهان و تعداد 7 نرون، تحت تابع انتقال سیگموئید با قانون یادگیری لونبرگ بود که توانست ضریب همبستگی مناسبی (985/0) را نشان دهد. برای مقادیر آب پنیر خروجی از دلمه نیز مدلی با یک لایه پنهان، تعداد 3 نرون و تابع انتقال تانژانت و قانون یادگیری لونبرگ بهترین الگوریتم را با ضریب همبستگی 908/0 ایجاد کرد. همچنین pH پنیر توسط مدلی با یک لایه پنهان، تعداد 8 نرون و تابع انتقال سیگموئید تحت قانون یادگیری لونبرگ و ضریب همبستگی 8493/0 پیشگویی شد. بهترین درصد داده ها برای تربیت، ارزیابی و آزمون مقادیر سختی، آب پنیر و pH به ترتیب 60/ 35/5 ، 60/10/30 و 35/20/45 بدست آمد

کلیدواژه‌ها

• تانژانت
• سیگموئید
• شبکه عصبی مصنوعی
• فراپالایش
• لاکتوباسیلوس پاراکازئی

موضوعات

• مدلسازی/ شبیه سازی

عنوان مقاله [English]

Modeling the physicochemical characteristics of ultra-refined low-fat feta cheese produced with fat substitutes and additional starter by artificial neural network method

نویسندگان [English]

• sareh Ashkar ¹
• Vahid Hakimzadeh ²
• Hasan Rashidi ³
• Sina iravani Kazar ⁴

¹ Qucahn

² Department of Food Science and Technology, Quchan Branch.Islamic Azad University, Quchan, Iran

³ AREEO

⁴ Quchan

چکیده [English]

Nutritional problems according to high amounts of fat in some cheeses have caused the use of fat substitutes to be investigated. Modeling the hardness, whey and pH of UF low-fat feta cheese with three levels of lecithin at zero, 1 and 2 g/kg, three levels of zero, 10 and 20 g/kg of whey powder, xanthan gum. in amounts of zero, half and 1 g/kg and additional starter of Lactobacillus paracasei in two amounts of 1 and 3 g/l with artificial neural network in order to determine the best type of transfer function, type of learning law and percentage of data used for training, evaluation and the test was performed based on the lowest error and the highest correlation coefficient. The results showed that the best model for predicting cheese hardness changes was an algorithm with a hidden layer and the number of 7 neurons, under the sigmoid transfer function with Levenberg's learning law, which could show a good correlation coefficient (0.985). For whey, a model with a hidden layer, the number of 3 neurons and the tangent transfer function and Levenberg's learning law created the best algorithm with a correlation coefficient of 0.908. Also, the pH of cheese was predicted by a model with a hidden layer, the number of 8 neurons and the sigmoid transfer function under Levenberg's learning law and the correlation coefficient was 0.8493. The best percentage of data for education, evaluation and testing of hardness, whey and pH values were obtained 5.35.60, 30.10.60 and 45.20.35 respectively

کلیدواژه‌ها [English]

• Tangent
• sigmoid
• artificial neural network
• Ultrafiltration
• lactobacillus paracasei