جستجو در مقالات منتشر شده
۳ نتیجه برای یلقی
حکیمه سرگزی، حجت الله جعفریان، سعید یلقی، محمد فرهنگی،
دوره ۳، شماره ۳ - ( ۹-۱۳۹۳ )
چکیده
تاثیر مخلوط پنج گونه باسیلوس پروبیوتیکی در چهار سطح صفر (شاهد)، CFU/ml ۱۰۶×۱ (۱T)، CFU/ml ۱۰۷×۱ (۲T) و CFU/ml ۱۰۸×۱ (۳T) در هر ۱۰۰ گرم غذا بر عملکرد رشد، مقاومت و بقای لارو ماهی قزل‌آلا (وزن ±۴۶۳ میلی‌گرم) به مدت ۶۰ روز بررسی شد. نتایج بیانگر افزایش معنا‌دار (۰۵/۰p<) شاخص‌های رشد در همه تیمارهای نسبت به شاهد بود. رشد، ضریب تبدیل غذایی (FCR) و کارایی پروتئین (PER) در تیمار ۲T به‌طورمعنا‌داری بهتر از تیمار ۱T بود. پروبیوتیک تأثیر مثبت معناداری (۰۵/۰p<) بر نرخ رشد ویژه (SGR)، نسبت وزن به‌دست آمده (RGR)، میانگین رشد روزانه(ADG) و ضریب رشد حرارتی(TGC) داشت. همچنین، لاروها در تیمارهای پروبیوتیک مقاومت بیشتری را در برابر استرسpH قلیایی، آمونیاک و دما نسبت به شاهد نشان دادند (۰۵/۰p<). اختلاف معناداری در pH اسیدی بین تیمارها و شاهد مشاهده نشد (۰۵/۰p³). نتیجه کلی بیانگر افزایش شاخص‌های رشد، کارایی تغذیه، مقاومت در برابر استرس و بقا لارو ماهی قزل‌آلا با افزودن باسیلوس‌های پروبیوتیکی می‌باشد.
دوره ۲۲، شماره ۱۶۱ - ( تیر ۱۴۰۴ )
چکیده
در این پژوهش پدیده‌های انتقال طی سرخکردن با هوای داغ و سرخ کردن عمیق بررسی شد. عملیات سرخکردن با هوای داغ (HAF) و سرخکردن عمیق (DFF) در دمای °C ۱۶۰ به مدت ۱۵ دقیقه برای قطعات استوانه‌ای میگو انجام گرفت. تغییرات دمای مرکزی محصول طی سرخکردن با استفاده از ترموکوپل نوع T متصل به دستگاه ثبت داده در رایانه ثبت گردید. محتوی رطوبت و روغن نمونهها در هر زمان از فرایند اندازهگیری شد. پارامترهای انتقال حرارت و جرم با استفاده از نمودارهای نسبتهای دمایی و غلظت بدون بعد و معادلات تجربی برآورد شد. نتایج نشان داد که پارامترهای انتقال جرم و حرات طی سرخکردن با هوای داغ کمتر از روش سرخکردن عمیق هستند. در سرخ کردن عمیق عدد بایوت و ضریب نفوذ موثر بالاتر از روش سرخ کردن هوای داغ بود. ثابت سینتیکی کاهش رطوبت در محصول در روش سرخ کردن عمیق بیشتر بود.
دوره ۲۲، شماره ۱۶۱ - ( تیر ۱۴۰۴ )
چکیده
در این پژوهش، شبکه‌های عصبی مصنوعی (ANN) برای پیش‌بینی تغییرات رطوبت و دانسیته میگو طی فرآیند سرخکردن هوای داغ (در سه دمای ۱۴۰، ۱۶۰ و ۱۸۰ درجه سانتی‌گراد به مدت ۱۵ دقیقه) ارائه گردید. شبکه‌های عصبی به صورت پرسپترون چند لایه (MLP) با تابع انتقال تانژانت سیگموئید در لایه پنهان و تابع انتقال خطی در لایه خروجی برای پیش‌بینی رطوبت (با دو ورودی: دما و زمان) و دانسیته (با سه ورودی: دما، زمان و رطوبت) در نرم افزار MATLAB طراحی شد. الگوریتمهای مختلف پسانتشار شامل لونبرگ-مارکوارت، گرادیان نزولی، گرادیان نزولی با نرخ تطبیقی یادگیری، انتشار برگشتی با نرخ یادگیری متغییر، گرادیان نزولی با مومنتم وگرادیان مزدوج مقیاس‌شده بودند. ساختار مدل‌ها با محاسبه ضریب تبیین (R۲)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) اعتبار سنجی شد. در نهایت، اهمیت ورودی‌ها از نظر تاثیر بر متغیر خروجی برای پیش‌بینی رطوبت و دانسیته با طراحی شبکه‌های عصبی پیش فرض تانژانت هایپربولیک در نرم افزار SPSS بررسی گردید. نتایج نشان داد که با کاهش رطوبت و توسعه منافذ در میگو، دانسیته محصول نیز طی سرخکردن هوای داغ به تدریج کاهش یافت و با افزایش دمای فرآیند کاهش بیشتری در دانسیته مشاهده شد. در مدل رطوبت، الگوریتم پس انتشار گرادیان نزولی با مومنتم (R۲=۰,۹۸۹, RMSE=۰.۱۷۱, MAE=۰.۱۳۱) و در مدل دانسیته، الگوریتم لونبرگ-مارکوارت (R۲=۰,۹۷۴, RMSE=۰.۰۰۹۶, MAE=۰.۰۰۶۶) کمترین میزان خطا را در آزمون نشان دادند. در محاسبات عصبی رطوبت، اهمیت متغیر زمان و دما به ترتیب برابر با ۸۸۳/۰ و ۱۱۷/۰ بود. در محاسبات عصبی دانسیته نیز اهمیت متغیر رطوبت، زمان و دما به ترتیب برابر با ۵۸۸/۰، ۲۷۸/۰ و ۱۳۴/۰ بود. از یافته‌های این پژوهش در طراحی هوش مصنوعی برای کنترل و ایجاد اتوماسیون در سرخ‌کن‌های هوای داغ می‌توان استفاده کرد.
