در این پژوهش پارامتر های بافتی از جمله صمغیت و قابلیت جویدن پاستیل هویج با استفاده از ویژگی های بافت تصویر (کنتراست، انتروپی، یکنواختی و همبستگی) توسط سیستم شبکه عصبی مصنوعی مورد مدل سازی و پیش بینی قرار گرفتند. به منظور به دست آوردن داده های آزمایشگاهی، بعد از تولید فرمول های مختلف پاستیل هویج و پس از 2 ساعت یخچال گذاری و بستن ژل، عمل خروج از قالب ها صورت پذیرفت و مرحله خشک شدن در خشک کن با دمای هوای 60 و 70 درجه سانتی گراد تا رسیدن ماده خشک نمونه ها به 75 درصد، انجام شد. در طی خشک کردن هر 30 دقیقه نمونه پاستیل هویج از خشک کن خارج شده و همزمان عکس برداری و آزمون TPA بر روی نمونه ها به ترتیب در دو و چهار تکرار انجام شد. به منظور توسعه مدل های شبکه عصبی مصنوعی ابتدا داده ها به سه بخش آموزش (60%)، اعتبار سنجی (15%) و آزمون (25%) مدل ها تقسیم شدند. استفاده از شبکه Generalized Feed Forward با 2 لایه پنهان (به ترتیب شامل 14 نرون و 9 نرون) و تابع انتقال مورد استفاده از نوع TanhAxon بود. همچنین Learning Rule از نوع LevenbergMaquar بود. این شرایط برای لایه خروجی نیز در نظر گرفته شد. معیار انتخاب بهتربن شبکه، بیشترین ضریب تبیین و کمترین مقدار متوسط مربع خطا (MSE) بود. نتایج نشان داد که استفاده از شبکه عصبی با 2 لایه پنهان با شرایط ذکر شده، کمترین میزان مربع خطا و بیشترین میزان ضریب همبستگی را برای پیش بینی صمغیت و قابلیت جویدن بافت پاستیل هویج را دارد.

کلمات کلیدی