ناصر بهروزی خزاعی

خشک کردن یکی از مهم ترین مراحل در فرآیند پس از برداشت محصول برنج می باشد. به منظور کاهش تنش های داخلی ایجاد شده در درون دانه ی شلتوک در حین خشک کردن، می بایست این فرآیند دارای مرحله ی استراحت دهی باشد. در مطالعه ی حاضر به بررسی تأثیر پارامترهای دمای هوای خشک کردن و زمان استراحت دهی بر کیفیت شلتوک نیم جوش رقم فجر پرداخته شد و همچنین مدل سازی تغییرات نسبت رطوبت و بهینه سازی خشک کردن به وسیله ی شبکه ی عصبی مصنوعی صورت گرفت. برای نیم جوش کردن نمونه ها، شلتوک به مدت سه ساعت در آب C °65 غوطه ور شد و پس از آن بخاردهی به مدت چهار دقیقه در فشار اتمسفر صورت گرفت و سپس شلتوک در چهار سطح زمان استراحت دهی (0، 30، 60، 120 دقیقه) و چهار سطح دمای هوا (60 و 70 و 80 و 90 درجه سلسیوس) در مرحله ی اول، خشک گردید. در مرحله ی دوم خشک کردن (بعد از استراحت دهی) C °15 از دمای مرحله ی اول کاسته شد (45، 55، 65 و 75 درجه سلسیوس) و شلتوک تا رطوبت نهایی (170/0±03/14) % خشک گردید. برای انجام آزمایش ها از یک دستگاه خشک کن آزمایشگاهی مجهز به سامانه ی تصویربرداری استفاده شد و تصاویر RGB و وزن محصول در حین خشک کردن ثبت گردید. پس از خشک کردن، خواص فیزیکی (راندمان برنج سالم، درجه سفیدی جرمی و درصد ترک)، خواص مکانیکی (نیروی شکست) و خواص کیفی (خواص پخت (میزان جذب آب و نسبت افزایش طول)) اندازه گیری شد. تمامی مراحل پردازش تصویر در نرم افزار متلب اجرا گردید. پس از انجام عملیات پیش پردازش بر روی تصاویر، جداسازی شلتوک از پس زمینه توسط ماسک ایجاد شده صورت گرفت. به دلیل استاندارد نبودن شاخص رنگی RGB، از شاخص رنگی L*a*b* استفاده شد. به منظور پیش بینی نسبت رطوبت از شبکه ی عصبی مصنوعی پس انتشار پیش خور با الگوریتم یادگیری لیونبرگ - مارکوارت و تابع انتقال تانژانت سیگموئید استفاده شد. ساختاری که دارای بیشترین ضریب همبستگی و کمترین خطای آزمون بود، به عنوان بهترین ساختار انتخاب شد. نتایج تجزیه واریانس نشان داد که در سطح احتمال یک درصد، اثرات اصلی و متقابل دمای هوای خشک کردن و زمان استراحت دهی بر راندمان برنج سالم، درجه سفیدی جرمی، درصد ترک، میزان جذب آب، نسبت افزایش طول و نیروی شکست معنی دار می باشد. نتایج نشان داد که شبکه ی عصبی با ساختار 1-12-12-3 می تواند میزان نسبت رطوبت را بر اساس ورودی های زمان و دمای خشک کردن و