Badanie wpływu zawartości wody i aktywności wody na cechy elektryczne miodu z wykorzystaniem sieci neuronowych

• Autorzy: Pentoś K. , Łuczycka D. , Pruski K.

Identyfikatory

DOI

10.14654/ir.2014.149.018

Warianty tytułu

EN

Investigation of the impact of water content and activity on electric properties of honey with the use of neural networks

• Języki publikacji: PL

Abstrakty

PL

Celem badań było ustalenie stopnia wpływu zawartości wody oraz aktywności wody na wybrane cechy elektryczne miodu. W badaniach wykorzystano dane doświadczalne uzyskane dla pięćdziesięciu próbek miodów zebranych na terenie całej Polski. Były to miody nektarowe, nektarowo-spadziowe oraz spadziowe. Dla próbek oznaczono parametry chemiczne oraz elektryczne: przewodność dwudziestoprocentowego roztworu wodnego miodu oraz przewodność i impedancję patoki. Następnie wykorzystując sztuczne sieci neuronowe, skonstruowano wielowymiarowe modele matematyczne, opisujące zależność cech elektrycznych od parametrów chemicznych. Na podstawie tych modeli, wykorzystując znajomość struktury sieci oraz wartości wag synaptycznych, określono stopień wpływu poszczególnych parametrów wejściowych na parametry wyjściowe modelu. Przeprowadzone badania wykazały, że aktywność i zawartość wody w znacznie większym stopniu wpływają na impedancję niż na przewodność patoki oraz roztworu.

EN

The aim of this research was to determine how water content and water activity influence on the selected electrical honey parameters. Experimental data obtained for fifty samples of honey collected on the territory of Poland were used for research. These were nectar honeys, nectar-honeydew as well as honeydew honeys. Chemical and electrical parameters were determined for each sample: conductivity of 20 percentage water and honey solution, conductivity and impedance of liquid honey. Then, with the use of artificial neural networks multi-dimensional mathematical models, describing relationships between electrical and chemical properties were constructed. Based on these models, with the use of the knowledge of networks structure and values of synaptic weights, degree of the impact of particular input parameters on output parameters of the model were determined. The tests which were carried out proved that water activity and content influence impedance more than conductivity of liquid honey and solution.

Słowa kluczowe

PL

miód; właściwości elektryczne; sztuczna sieć neuronowa; aktywność wody; zawartość wody

EN

honey; electrical properties; artificial neural networks; water activity; water content

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2014
• Tom: Vol. 18, No. 1
• Strony: 165--173
• Opis fizyczny: Bibliogr. 16 poz., wykr.

Twórcy

autor

Pentoś K.

• Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu, ul Chełmońskiego 37-41, 51-630 Wrocław

autor

Łuczycka D.

• Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu, ul Chełmońskiego 37-41, 51-630 Wrocław

autor

Pruski K.

• Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy we Wrocławiu, ul Chełmońskiego 37-41, 51-630 Wrocław

Bibliografia

• Górski, M.; Kaleta, J.; Langman, J. (2008). Zastosowanie sztucznych sieci neuronowych do oceny stopnia dojrzałości jabłek. Inżynieria Rolnicza, 7(105), 53-57.
• Hebda, T.; Francik, S. (2006). Model twardości ziarniaków pszenicy wykorzystujący Sztuczne Sieci Neuronowe. Inżynieria Rolnicza, 13(88), 139-146.
• Iurlina, M.O.; Fritz, R. (2005). Characterization of microorganisms in Argentinean honeys from different sources. International Journal of Food Microbiology, 105, 297-304.
• Langman, J. (1999). Zastosowanie sztucznych sieci neuronowych w inżynierii rolniczej. Inżynieria Rolnicza, 1(7), 153-158.
• Lazaridou, A.; Biliaderis, C.G.; Bacandritsos, N.; Sabatini, A.G. (2004). Composition, thermal and rheological behaviour of selected Greek honeys. Journal of Food Engineering, 64, 9-21.
• Łapczyńska-Kordon, B.; Francik, S.; Ślipek, Z. (2008). Model neuronowy zmian temperatury podczas konwekcyjnego suszenia zrębków wierzby energetycznej. Inżynieria Rolnicza, 11(109), 149-155.
• Łuczycka, D.; Pentoś, K. (2010). Zastosowanie sztucznych sieci neuronowych do opisu przenikalności elektrycznej mąki. Inżynieria Rolnicza, 2(120), 43-48.
• Łuczycka, D.; Szewczyk, A.; Pruski, K. (2011). Elektryczne metody wykrywania zafałszowań miodu. Inżynieria Rolnicza, 5(130), 165-170.
• Osowski, S. (2006). Sieci neuronowe do przetwarzania informacji. Warszawa, Oficyna Wydawnicza Politechniki Warszawskiej, ISBN: 83-7207-615-4.
• Pentoś, K.; Piotrowski, K.; Koralewska, J.; Matynia, A. (2008). Multilayer Perceptron as the Tool for Modeling of Reaction Crystallization of Barium Sulphate in MSMPR Crystallizer. Proceedings of 2008 International Conference on Machine Learning and Cybernetics, 6, 73413-3417.
• Pentoś, K. (2009). Modelowanie procesów krystalizacji za pomocą sieci neuronowych. Rozprawa doktorska. Politechnika Wrocławska.
• Rutkowska, D.; Piliński, M.; Rutkowski, L. (1999). Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Warszawa, Wydawnictwa Szkolne PWN, ISBN: 83-01-12304-4.
• Rutkowski, L. (2011). Metody i techniki sztucznej inteligencji. Warszawa, Wydawnictwo Naukowe PWN, ISBN: 83-01-14529-3.
• Skierucha, W.; Wilczek, A.; Szypłowska, A. (2012). Dielectric spectroscopy in agrophysics. International Agrophysics, 2(26), 187-197.
• Ślipek, Z.; Francik, S.; Frączek, J. (2003). Metodyczne aspekty tworzenia modeli SSN w zagadnieniach agrofizycznych. Acta Agrophysica, 95, 231-241.
• Wojtacki, M. (1989). Fermentacja miodu. Pszczelarstwo, 4, 17-18.