Adil Koray YILDIZ, Hakan POLATCI, Muhammed TAŞOVA

Radyal Tabanlı Yapay Sinir Ağlarının Kurutma Kinetiğinin Modellenmesinde Kullanımı

Ürünlerin dayanımını arttırma, taşıma ve depolama gibi birçok işlemde avantaj sağladığı için tarımsal ürünlerde kurutma yöntemi tercih edilmektedir. Ürün kalitesini düşürmeden en iyi şekilde kurutma işleminin yapılabilmesi için ürünlerin kuruma davranışını tahmin etmek gereklidir. Bu nedenle ürünlerin kuruma kinetiğinin tahmini için birçok sayısal kuruma modeli geliştirilmiştir. Son zamanlarda bu modellerin geliştirilmesi için yapay sinir ağları yaygın olarak kullanılmaktadır. Yapay sinir ağları, doğal sinir hücrelerine benzer şekilde çalışan matematiksel modellerdir. Radyal tabanlı yapay sinir ağları ise diğer ağlardan farklı olarak gizli katmana geçişte radyal tabanlı aktivasyon fonksiyonları bulunduran ağlardır. Bu çalışmada, kurutma kinetiğinin radyal tabanlı ağlar ile modellenebilmesi araştırılmıştır. Deney çalışması için kırmızı acı bibere (Capsicum annuum L.) kaynamış suya bandırma ve mikrodalga ön işlemleri uygulanarak etüvde 65°C sıcaklıkta kurutulmuştur. Kuruma süresince alınabilir nem oranı değerleri hesaplanmış ve kuruma süresi değerleri giriş, uzaklaştırılabilir nem oranı değerleri ise çıkış olacak şekilde Radyal Tabanlı Yapay Sinir Ağı modelleri eğitilmiştir. Tüm veri ve aynı sürelerde ölçülen değerlerin ortalamasıyla oluşturulan ortalama veri ayrı ayrı denenmiştir. Tüm veri ile olan eğitimlerde R değeri 0,9566; ortalama ile olanlarda 0,9998 olarak hesaplanmıştır

The Use of Radial-Based Artificial Neural Networks in Modelling Drying Kinetics

Drying method is preferred in agricultural products since it provides advantages in many processes such as increasing the strength of products, transporting and storing. It is necessary to estimate the drying behavior of the products in order to achieve the best drying without reducing the product quality. For this reason, many numerical drying models have been developed to estimate the drying kinetics of the products. Recently, artificial neural networks have been widely used for thedevelopment of these models. Artificial neural networks are mathematical models that work in a similar way to natural neuron cells. Radial based artificial neural networks are radial based activation functions in the transition to the hidden layer unlike other networks. In this study, modeling of drying kinetics with radial based networks was investigated. For the experiment, red hot pepper (Capsicum annuum L.) was dipped in boiled water and microwave pretreatments and, then dried in the oven at 65°C. The absorbable moisture values were calculated during the drying period. The radial based artificial neural network models were trained with the drying time values as input and the absorbable moisture values as output. The study was carried out with two data sets including all data and only the average. In trainings with all data, R value of the best model was calculated as 0.9566. R wascalculated as 0.9998 with average data.

PDF

___

Ando Y, Hagiwara S, Nabetani H, Sotome I, Okunishi T, Okadome H, Orikasa T, Tagawa A. 2019. Effects of prefreezing on the drying characteristics, structural formation and mechanical properties of microwave-vacuum dried apple. Journal of Food Engineering. 244:170-177.
Akkaya G. 2007. Yapay Sinir Ağları ve Tarım Alanındaki Uygulamaları. Atatürk Üniversitesi Ziraat Fakültesi Dergisi. 38(2):195-202.
Akpınar EK. 2006. Mathematical modelling of thin layer drying process under open sun of some aromatic plants. Journal of Food Engineering. 77:864–870.
Alpaydın E, 2010. Introduction to machine learning. The MIT Press. Cambridge.
Amiri CR, Kaveh M, Khayati S. 2015. Modeling Drying Characteristics of Hawthorn Fruit under MicrowaveConvective Conditions. J. Food Process. Preserv. 39:239–253. https://doi.org/10.1111/jfpp.12226
Azoubel PM, Baima MDAM, Amorim MDR, Oliveira SSB. 2010. Effect of ultrasound on banana cv Pacovan drying kinetics. Journal of Food Engineering. 97(2):194-198.
Dandamrongrak R, Young G, Mason R. 2002. Evaluation of various pre-treatments for the dehydration of banana and selection of suitable drying models. J. Food Eng. 55:139–46. https://doi.org/10.1016/S0260-8774(02)00028-6
Doymaz I. 2009. Mathematical modelling of thin-layer drying of kiwifruit slices. J. Food Process. 33:145–160.
Erentürk K, Erentürk S, Tabil LG. 2004. A comparative study for the estimation of dynamical drying behavior of Echinacea angustifolia: Regression analysis and neural network. Computer and Electronics in Agriculture. 45:71–90. https://doi.org/10.1016/j.compag.2004.06.002
Fan K, Chen L, He J, Yan F. 2015. Characterization of Thin Layer Hot Air Drying of Sweet Potatoes (Ipomoea batatas L.) Slices. J. Food Process. Preserv. 39:1361–1371. https://doi.org/10.1111/jfpp.12355
Göztok SP, İçier F. 2017. Karbon Fiber Destekli Kabin Kurutucuda Farklı Sıcaklıklarda Elma Dilimlerinin Kurutulmasının İncelenmesi: Kurutma Karakteristikleri ve Performans Değerlendirmesi. Akademik Gıda. 15(4):355- 367.
Haq R, Kumar P, Prasad K. 2015. Journal of Food Processing and Preservation. doi: 10.1111/jfpp.12785.
Okkan U, Dalkılıç HY. 2012. Radyal Tabanlı Yapay Sinir Ağları ile Kemer Barajı Aylık Akımlarının Modellenmesi. İMO Tek. Dergi. 379:5957–5966.
Ozuna C, Alvarez-Arenas TG, Riera E, Carcel JA, Garcia-Perez JV. 2014. Influence of material structure on air-borne ultrasonic application in drying. Ultrasonics Sonochemistry. 21(3):1235-1243.
Salim NSMD, Gariépy Y, Raghavan V. 2016. Hot air drying and microwave-assisted hot air drying of broccoli stalk slices (Brassica oleracea L. var. Italica). Journal Food Process. Preservation, 10.1111/jfpp.12905. Viyaja
Sanjairaj V, Iniyan S, Goic R. 2012. A review of solar drying technologies. Renew. Sustain. Energy Rev. 16:2652–2670. https://doi.org/10.1016/j.rser.2012.01.007
Yağcıoglu A. 1999. Tarımsal Ürünleri Kurutma Tekniği. Ege Üniversitesi ziraat fakültesi yayınları No: 536. Bornova, İzmir.
Yıldız AK, Tarhan S, Özgüven MM. 2013. Tarımda Yapay Zekâ Uygulamaları. 28. Ulusal Tarımsal Mekanizasyon Kongresi 4-6 Eylül. Konya. 191–196.
Yıldız AK, Polatci H, Uçun H. 2015. Farklı Kurutma Şartlarında Muz (Musa cavendishii) Meyvesinin Kurutulması ve Kurutma Kinetiğinin Yapay Sinir Ağları ile Modellenmesi. Tarım Makinaları Bilimi Dergisi. 11:173–178.