Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi
Abstract
Türkiye’nin yıllık üretim değeri 750,000 ton olan kayısı, yüksek besleyici ve ekonomik değere sahip bir meyvedir. Kurutma işlemi, kayısının raf ömrünü uzatmanın yanı sıra tüketici tarafından tercih edilen bir ürün olan kuru kayısı üretme imkanını tanımaktadır. Kayısının kurutulması süreçlerinin gelişmiş yöntemlerle modellenebilmesi ürün işleyicilerin üretim planlama ve maliyet analizlerini yapmalarında büyük ölçüde yardımcı olabilir. Son yıllarda oldukça geniş kullanım alanı bulmuş bir makine öğrenmesi yöntemi olan Yapay Sinir Ağları (YSA), parametre ve fonksiyon tahmininden sınıflandırmaya kadar çeşitli görevlerde karmaşık problemlerin çözümünde kullanılmaktadır. Bu çalışmada geleneksel (sıcak hava ile), elektrohidrodinamik (EHD) ve EHD-sıcak hava kombinasyonu kurutma yöntemleri kullanılarak kurutulan kayısının farklı kurutma parametrelerinin kuruma hızı ve ürün nemi üzerine etkilerinin YSA ile modellenmesi amaçlanmıştır. Farklı transfer fonksiyonları ve öğrenme algoritmaları denenerek her bir kurutma yöntemi için en iyi model performansını veren YSA tespit edilmiştir. EHD-sıcak hava kombinasyonu ile kayısı kurutmada kuruma hızı ve nem tahminine ilişkin YSA modellerinin test verisi üzerindeki determinasyon katsayıları 0,96’dan yüksek değerler olarak saptanmıştır. Araştırma bulguları EHD yöntemi ile tarımsal ürün kurutmanın YSA esaslı yöntemlerle modellenebileceğini göstermiştir.
Keywords
Supporting Institution
Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK)
Project Number
117O793
Thanks
Bu çalışmayı 117O793 nolu proje kapsamında destekleyen Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK)’na teşekkür ederiz.
References
- Alwazeer D., Örs B., 2019. Reducing Atmosphere Drying as a Novel Drying Technique for Preserving the Sensorial and Nutritional Notes of Foods. J. Food Sci. Technol., 56(8): 3790-3800.
- Anonim, 2020 FAO (Food and Agriculture Organization of the United Nations) http://www.fao.org/faostat/en/#data/QC/visualize. Erişim Tarihi: 09.04.2020.
- Beigi M., Torki-Harchegani M., Tohidi M., 2017. Experimental and ANN Modeling Investigations of Energy Traits for Rough Rice Drying. Energy,141: 2196-2205.
- Chasiotis V. K., Tzempelikos D. A., Filios A. E., Moustris K. P., 2019. Artificial Neural Network Modelling of Moisture Content Evolution for Convective Drying of Cylindrical Quince Slices. Comput. Electron. Agr., 105074.
- Deng L. Z., Pan Z., Mujumdar A. S., Zhao J. H., Zheng Z. A., Gao Z. J., Xiao H. W., 2019. High-Humidity Hot Air Impingement Blanching (HHAIB) Enhances Drying Quality of Apricots by Inactivating the Enzymes, Reducing Drying Time and Altering Cellular Structure. Food Control, 96: 104-111.
- García-Martínez E., Igual M., Martín-Esparza M. E., Martínez-Navarrete N., 2013. Assessment of the Bioactive Compounds, Color, and Mechanical Properties of Apricots as Affected by Drying Treatment. Food Bioprocess Tech., 6(11): 3247-3255.
- Garoosiha H., Ahmadi J., Bayat H., 2019. The Assessment of Levenberg–Marquardt and Bayesian Framework Training Algorithm for Prediction of Concrete Shrinkage by the Artificial Neural Network. Cogent Eng., 6(1): 1609179.
- Ghaderi A., Abbasi S., Motevali A., Minaei S., 2012. Comparison of Mathematical Models and Artificial Neural Networks for Prediction of Drying Kinetics of Mushroom in Microwave-Vacuum Drier. Chem. Ind. Chem. Eng. Q., 18(2): 283-293.
Details
Primary Language
Turkish
Subjects
Agricultural Engineering
Journal Section
Research Article
Publication Date
December 29, 2020
Submission Date
May 6, 2020
Acceptance Date
September 17, 2020
Published in Issue
Year 2020 Volume: 8 Number: 2
APA
Kurtulmuş, F., Polat, A., & İzli, N. (2020). Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi. ÇOMÜ Ziraat Fakültesi Dergisi, 8(2), 261-269. https://doi.org/10.33202/comuagri.733166
AMA
1.Kurtulmuş F, Polat A, İzli N. Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi. COMU J. Agri. Fac. 2020;8(2):261-269. doi:10.33202/comuagri.733166
Chicago
Kurtulmuş, Ferhat, Ahmet Polat, and Nazmi İzli. 2020. “Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi”. ÇOMÜ Ziraat Fakültesi Dergisi 8 (2): 261-69. https://doi.org/10.33202/comuagri.733166.
EndNote
Kurtulmuş F, Polat A, İzli N (December 1, 2020) Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi. ÇOMÜ Ziraat Fakültesi Dergisi 8 2 261–269.
IEEE
[1]F. Kurtulmuş, A. Polat, and N. İzli, “Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi”, COMU J. Agri. Fac., vol. 8, no. 2, pp. 261–269, Dec. 2020, doi: 10.33202/comuagri.733166.
ISNAD
Kurtulmuş, Ferhat - Polat, Ahmet - İzli, Nazmi. “Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi”. ÇOMÜ Ziraat Fakültesi Dergisi 8/2 (December 1, 2020): 261-269. https://doi.org/10.33202/comuagri.733166.
JAMA
1.Kurtulmuş F, Polat A, İzli N. Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi. COMU J. Agri. Fac. 2020;8:261–269.
MLA
Kurtulmuş, Ferhat, et al. “Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi”. ÇOMÜ Ziraat Fakültesi Dergisi, vol. 8, no. 2, Dec. 2020, pp. 261-9, doi:10.33202/comuagri.733166.
Vancouver
1.Ferhat Kurtulmuş, Ahmet Polat, Nazmi İzli. Yapay Sinir Ağları Kullanarak Kayısının Farklı Kurutma Yöntemleriyle Kurutulmasında Kuruma Hızı Ve Nem İçeriği Parametrelerinin Modellenmesi. COMU J. Agri. Fac. 2020 Dec. 1;8(2):261-9. doi:10.33202/comuagri.733166
Cited By
Enhancement of Convective Banana Drying: Effect of Ethanol Pretreatment on Drying Characteristics, Color Properties, Shrinkage Ratio and Comparison of Artificial Neural Network and Thin Layer Modeling
Karadeniz Fen Bilimleri Dergisi
https://doi.org/10.31466/kfbd.1333223Convective Drying of the Zucchini Slices; Impact of Pretreatments on the Drying Characteristics and Color Properties, Evaluation of Artificial Neural Network Modeling and Thin-Layer Modeling
Karadeniz Fen Bilimleri Dergisi
https://doi.org/10.31466/kfbd.1373651Convective drying of golden delicious apple enhancement: drying characteristics, artificial neural network modeling, chemical and ATR-FTIR analysis of quality parameters
Biomass Conversion and Biorefinery
https://doi.org/10.1007/s13399-024-05562-wAdaptive Neuro-Fuzzy Inference System and Artificial Neural Network Models for Predicting Time-Dependent Moisture Levels in Hazelnut Shells (Corylus avellana L.) and Prina (Oleae europaeae L.)
Processes
https://doi.org/10.3390/pr12081703COMPARISON OF A STATISTICAL METHOD AND AN ARTIFICIAL INTELLIGENCE APPROACH IN TAXONOMICAL NEMATOLOGY FROM TURKIYE: USING A PAIR OF DETERMINED MORPHOMETRIC PARAMETERS
The Journal of Animal and Plant Sciences
https://doi.org/10.36899/JAPS.2023.4.0679Improvement of intermittent microwave drying of red peppers: Effect of ethanol and blanching pretreatments on drying behavior, modeling, energy consumption and some quality attributes
Thermal Science and Engineering Progress
https://doi.org/10.1016/j.tsep.2025.103734