Regresar

Estimación de la humedad crítica para el secado de manzanas (Pyrus malus) utilizando redes neuronales artificiales

Abstract:

El uso de redes neuronales artificiales como herramienta de predicción en la ciencia de los alimentos toma cada vez más importancia. Este estudio busca determinar el error de la predicción de la Humedad Crítica en el secado de manzana (Pyrus malus) utilizando redes neuronales. En primer lugar, se desarrolló una matriz base con conformada por 29 parámetros físicos experimentales y una variable de salida. Estas variables se seleccionaron mediante datos experimentales de curvas de secados para la manzana (Pyrus malus) de 30 trabajos similares ya desarrollados. A continuación, se utilizó el software MATLAB® con el diseño de la red neuronal artificial RNA utilizando el algoritmo de retro propagación RP conformada de cuatro capas, la primera capa de entrada tiene 15 neuronas receptoras estáticas, la segunda capa que es oculta dispone de 10 neuronas ocultas, la tercera capa es de suma y dispone una neurona dinámica, la capa final dispone de una neurona de salida estática. La RNA RP estimó la Humedad Crítica obteniendo el 90 por ciento de los resultados con errores de cálculo menos al 1 y el 10 porciento con errores menos del 2, 38 por ciento con un entrenamiento de la red que finalizó en7 etapas.