page contents google-site-verification=IMPxc80Ko8aMAqomw3axo11WILpmIE0RjwZ5gz4rwdA
ORCID iD iconhttps://orcid.org/0000-0002-3006-8220

نوع مقاله: مقاله کامل پژوهشی

نویسندگان

1 گروه شیمی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران

2 گروه صنایع غذایی، واحد گنبد کاووس، دانشگاه آزاد اسلامی، گنبد کاووس، ایران

چکیده

در تکنولوژی استخراج روغن، تیماردهی مناسب دانه قبل از استخراج یکی از مهم‌ترین و ضروری‌ترین مراحل برای تولید محصولی با کیفیت و راندمان بالاست. در این تحقیق به‌منظور مدل‌سازی فرایند استخراج روغن از دانه‌های کتان به کمک پیش‌تیمار مایکروویو از زمان‌های مختلف فرایند (90، 180 و 270 ثانیه) و توان‌های مختلف (180، 540 و 900 وات) استفاده گردید و میزان راندمان استخراج، اسیدیته، ضریب شکست، دانسیته، عدد اسیدی و رنگ روغن استخراج‌شده با پرس مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزار شبکه‌های عصبی مصنوعی در نرم‌افزار MATLAB R2013a استفاده شد. نتایج نشان داد که با افزایش توان و زمان مایکروویو، راندمان استخراج روغن، اندیس اسیدی و اسیدیته، دانسیته و رنگ روغن افزایش یافت. آنالیز واریانس داده‌ها مشخص کرد که استفاده از پیش‌تیمار مایکروویو تأثیری در میزان ضریب شکست روغن‌ها ندارد. با بررسی شبکه‌های مختلف شبکۀ پس‌انتشار پیش‌خور با توپولوژی‌های 2-8-6 با ضریب همبستگی بیشتر از 0/999 و میانگین مربعات خطای کمتر از 0/001 و با به‌کارگیری تابع فعال‌سازی لگاریتم سیگموئیدی، الگوی یادگیری جهنده و چرخۀ یادگیری 1000 به‌عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینۀ انتخاب‌شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0/844) قادر به پیش‌بینی روند تغییرات بودند. باتوجه‌به دقت بالای مدل عصبی می‌توان با اطمینان بالا به پیش‌بینی این مدل‌ها اعتماد کرده و از این مدل‌ها برای بهینه‌سازی و کنترل فرایند استفاده نمود که این امر می‌تواند به صرفه‌جویی در انرژی و زمان منجر شده و ازطرف‌دیگر محصول نهایی مطلوب‌تری را ایجاد کند.

کلیدواژه‌ها

ایران‌نژاد، ح. و حسینی مزینانی، س.م. 1384. بررسی اثر تاریخ کاشت بر عملکرد دانه سه رقم دانه کتان روغنی در ورامین. مجله علوم کشاورزی، 11 (4): 111-120.

خواجه‌پور، م. 1370. تولید نباتات صنعتی. انتشارات جهاد دانشگاهی دانشگاه صنعتی اصفهان، صفحه 251.

رفیعی‌نظری، ر.، عرب عامری، م. و نوری، ل. 1394. مدل‌سازی و پیش‌بینی پایداری اکسیداسیون روغن‌زیتون طی نگهداری در شرایط محیطی با استفاده از مدل شبکۀ عصبی مصنوعی. مجله علوم تغذیه و صنایع غذایی ایران، 10(1):71-80.

ماهرانی، ب. 1381. مطالعۀ شرایط استخراج و خواص فیزیکوشیمیایی صمغ دانۀ بزرک. پایان‌نامۀ کارشناسی‌ارشد، دانشگاه تربیت مدرس، صفحه 112.

Antonio, J.Y., & Dorado, M.P. 2006. A neural network approach to simulate biodiesel production from waste olive oil. Energy Fuels, 20(1):399-402.

AOAC. 2008. Official methods of analysis of the association of official analytical chemists, Vol. II. Arlington, VA: Association of Official Analytical Chemists.

AOCS. 1993. Official methods and recommended practices of the american oil chemists society. AOCS Press, Champaign, IL. 762p.

Bakhshabadi, H., Mirzaei, H.O., Ghodsvali, A., Jafari, S.M., Ziaiifar, A.M., & Farzaneh. V. 2017. The effect of microwave pretreatment on some physico-chemicalproperties and bioactivity of Black cumin seeds’ oil. Industrial Crops and Products, 97:1-9.

Dolatabadi, Z., Elhami Rad, A.H., Farzaneh, V., Akhlaghi Feizabad, S.H., Estiri, S.H., & Bakhshabadi, H. 2016. Modeling of the lycopene extraction from tomato pulps. Food Chemistry, 190:968-973.

Dulog, L. 1990. Leinoel und daraus abzuleitende Stoffe fuer die Beschichtung von Fussbodenbelag. Bundes Exp. Wissenschaftliches Zentrum. Bonn.

Food and Agriculture Organization (FAO) STAT. 2013. Food and agriculture organization of the united nation. http://faostat3.fao.org/browse/Q/QC/E (Accessedon 25 Feb, 2015).

Goyal, N., Sharma, V., Upadhyay, N., Gill, S., & Sihag, M. 2014. Flax and flaxseed oil: an ancient medicine & modern functional food. Journal of Food Science and Technology, 51(9):1633-1653.

Izadifar, M., & Abdolahi, F. 2006. Comparison between neural network and mathematical modeling of supercritical CO2 extraction of black pepper essential oil. The Journal of Supercritical Fluids, 38(1):37-43.

Karaman, S., Ozturk, I., Yalcin, H., Kayacier, A., & Sagdi, O. 2012. Comparison of adaptive neuro fuzzy inference system and artificial neural networks for estimation of oxidation parameters of sunflower oil added with some natural byproduct extracts. Journal of the Science of Food and Agriculture, 92(1):49-58.

Khazaei, J., & Daneshmandi, S. 2007. Modeling of thin-layer drying kinetics of sesame seeds: mathematical and neural networks modeling. International Agrophysics, 21(4):335-348.

Kittiphoom, S., & Sutasinee, S. 2015. Effect of microwaves pretreatments on extraction yield and quality of mango seed kernel oil. International Food Research Journal, 22(3):960-964.

Klaypradit, W., Kerdpiboon, S., & Singh, R.K. 2011. Application of artificial neural networks to predict the oxidation of menhaden fish oil obtained from Fourier transform infrared spectroscopy method. Food bioprocess Technology, 4(3):475-80.

Lu, B., Zhang, Y., Wu, X., & Shi, J. 2007. Separation and determination of diversiform phytosterols in food materials using supercritical carbon dioxide extraction and ultraperformance liquid chromatography-atmospheric pressure chemical ionization-mass spectrometry. Analytica Chimica Acta, 588(1):50-63.

Machavaram, R., Jena, P.C., & Raheman, H. 2008. Predictionof optimized pretreatment process parametersfor biodiesel pro-duction using ANN and GA. Fuel journal, 88(5):868-875.

Oomah, B.D. 2001. Flaxseed as functional source. Journal of the Science of Food and Agriculture, 81(9):889-894.

Oomah, B.D., & Mazza, G. 1995. Fractionation of flaxseed with a batch dehuller. Industrial Crops and Products in International Journal, 9(1):19-27.

Przybylski, R., & Zambiazi, R.C. 2000. Predicting oxidative stability of vegetable oils using neural network system and endogenous oil components. Journal of the American Oil Chemists' Society, 77(9):925-932.

Sanchez, R.J., Mateo, C.M., Fernández, M.B., & Nolasco, S.M. 2017.Bidimensional modeling applied to oil extraction kinetics of microwave-pretreated canola seeds. Journal of Food Engineering, 192:28-35.

Sultana, B., Anwar, F., & Przybylski, R. 2007. Antioxidant potential of corncob extracts for stabilization of cornoil subjected to microwave heating. Food Chemistry, 104(3):997-1005.

Taghvaei, M., Jafari, S.M., Assadpoor, E., Nowrouzieh, S., & Alishah, O. 2014. Optimization of microwave-assisted extraction of cottonseed oil and evaluation of its oxidative stability and physicochemical properties. Food Chemistry, 160:90-97.

Terigar, B.G., Balasubramanian, S., Sabliov, C.M., Lima, M., & Boldor, D. 2011.  Soybean and rice bran oil extraction in a continuous microwave system: From laboratory- to pilot-scale. Journal of Food Engineering, 104(2):208-217.

Vasseghian, Y., Zahedi, G.H., & Ahmadi, M. 2016. Oil Extraction from pistacia khinjuk - experimental and prediction by computational intelligence models. Journal of Food Biosciences and Technology, 6(1):1-12.