การทำนายพฤติกรรมการอบแห้งกระชายขาวภายใต้สุญญากาศด้วยแบบจำลองโครงข่ายประสาทเทียม
คำสำคัญ:
กระชายขาว, การอบแห้งสุญญากาศ, โครงข่ายประสาทเทียม, อัตราการแห้งบทคัดย่อ
การอบแห้งเป็นกระบวนการหลังการเก็บเกี่ยวที่มีความสำคัญต่อคุณภาพ ความปลอดภัย และอายุการเก็บรักษาของสมุนไพรและพืชสมุนไพร งานวิจัยนี้มุ่งเน้นการพัฒนาแบบจำลองโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) เพื่อทำนายพฤติกรรมการอบแห้งของกระชายขาว (Boesenbergia rotunda) ภายใต้สภาวะสุญญากาศ โดยได้ทำการทดลองอบแห้งที่ความดันสัมบูรณ์ 3 ระดับ (5, 10 และ 15 kPa) และความหนาตัวอย่าง 3 ระดับ (3, 5 และ 7 mm) โดยพิจารณาตัวแปรสำคัญ ได้แก่ ความชื้น (Moisture Content; MC) อัตราส่วนความชื้น (Moisture Ratio; MR) และอัตราการแห้ง (Drying Rate; DR) ผลการทดลองชี้ให้เห็นว่า การอบแห้งที่ความดันต่ำ 5 kPa ช่วยเพิ่มประสิทธิภาพในการคายน้ำ ทำให้ระยะเวลาอบแห้งสั้นที่สุด ในขณะที่ความดันที่สูงขึ้นส่งผลให้การคายน้ำช้าลง แบบจำลอง ANN ที่พัฒนาขึ้นมีโครงสร้างประกอบด้วย 2 ชั้นซ่อน (Hidden Layers) พร้อมกลไกการหยุดก่อนเวลา (Early Stopping) และการปรับอัตราการเรียนรู้ (Learning Rate Reduction) เพื่อเพิ่มประสิทธิภาพการเรียนรู้ ผลการประเมินพบว่าแบบจำลองมีความสอดคล้องกับข้อมูลการทดลองอย่างดีเยี่ยม โดยได้ค่า R2 มากกว่า 0.98, ค่า RMSE ต่ำกว่า 0.03 และค่า MAPE อยู่ระหว่าง 3.8–10.9% แสดงให้เห็นถึงความน่าเชื่อถือและความสามารถของ ANN ในการทำนายพฤติกรรมการอบแห้งภายใต้สภาวะสุญญากาศได้อย่างแม่นยำ ดังนั้น การวิจัยครั้งนี้แสดงให้เห็นถึงศักยภาพของ ANN ในการประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพและควบคุมกระบวนการอบแห้งสุญญากาศของสมุนไพร ซึ่งมีประโยชน์ต่อการออกแบบระบบการอบในระดับอุตสาหกรรม การประหยัดพลังงาน และการคงคุณภาพของสมุนไพรที่มีคุณค่าทางยา
เอกสารอ้างอิง
Chen, Z., & Lamb, F. M. (2007). Analysis of the vacuum drying rate for red oak in a hot water vacuum drying system. Drying Technology, 25(3), 497–500. https://doi.org/10.1080/07373930601184064
Ilman Fahrudin, F., Sulaiman, R., Rukayadi, Y., & Sukaryadi, Y. (2020). Effect of Drying Methods on Physicochemical Characteristics of Boesenbergia Rotunda (L.) Mansf. Powder Article in. International Journal of Advanced Science and Technology, 29(6), 3952–3962. Retrieved from https://www.researchgate.net/publication/370927914
Kaveh, M., Çetin, N., Khalife, E., Abbaspour-Gilandeh, Y., Sabouri, M., & Sharifian, F. (2023). Machine learning approaches for estimating apricot drying characteristics in various advanced and conventional dryers. Journal of Food Process Engineering, 46(12). https://doi.org/10.1111/jfpe.14475
Khan, M. I. H., Sablani, S. S., Joardder, M. U. H., & Karim, M. A. (2022). Application of machine learning-based approach in food drying: opportunities and challenges. Drying Technology, 40(6), 1051–1067. https://doi.org/10.1080/07373937.2020.1853152
Li, Y., Wang, X., Wu, Z., Wan, N., & Yang, M. (2020). Dehydration of hawthorn fruit juices using ultrasound-assisted vacuum drying. Ultrasonics Sonochemistry, 68. https://doi.org/10.1016/j.ultsonch.2020.105219
Martynenko, A., & Misra, N. N. (2020). Machine learning in drying. Drying Technology, 38(5–6), 596–609. https://doi.org/10.1080/07373937.2019.1690502
Menlik, T., Özdemir, M. B., & Kirmaci, V. (2010). Determination of freeze-drying behaviors of apples by artificial neural network. Expert Systems with Applications, 37(12), 7669–7677. https://doi.org/ 10.1016/ j.eswa. 2010.04.075
Phahom, T., & Mano, J. (2023). Integration of multiple linear regression, principal component analysis, and hierarchical cluster analysis for optimizing dried fingerroot (Boesenbergia rotunda) extraction process. Journal of Applied Research on Medicinal and Aromatic Plants, 36. https://doi.org/10.1016/j.jarmap.2023.100511
Seremet, L., Botez, E., Nistor, O. V., Andronoiu, D. G., & Mocanu, G. D. (2016). Effect of different drying methods on moisture ratio and rehydration of pumpkin slices. Food Chemistry, 195, 104–109. https://doi.org/10.1016/j.foodchem.2015.03.125
Shindo, K., Kato, M., Kinoshita, A., Kobayashi, A., & Koike, Y. (2006). Analysis of antioxidant activities contained in the Boesenbergia pandurata Schult. rhizome. Bioscience, Biotechnology and Biochemistry, 70(9), 2281–2284. https://doi.org/10.1271/bbb.60086
Taghinezhad, E., Szumny, A., Kaveh, M., Sharabiani, V. R., Kumar, A., & Shimizu, N. (2020). Parboiled paddy drying with different dryers: Thermodynamic and quality properties, mathematical modeling using ANNs assessment. Foods, 9(1). https://doi.org/10.3390/foods9010086
Techapichetvanich, P., Tangpanithandee, S., Supannapan, K., Wongwiwatthananukit, S., Chang, L. C., & Khemawoot, P. (2024). Oral sub-chronic toxicity of fingerroot (Boesenbergia rotunda) rhizome extract formulation in Wistar rats. Toxicology Reports, 12, 224–233. https://doi.org/10.1016/j.toxrep.2024.01.013
Therdthai, N., & Northongkom, H. (2011). Characterization of hot air drying and microwave vacuum drying of fingerroot (Boesenbergia pandurata). International Journal of Food Science and Technology, 46(3), 601–607. https://doi.org/10.1111/j.1365-2621.2010.02525.x
Topal, M. E., Şahin, B., & Vela, S. (2024). Artificial Neural Network Modeling Techniques for Drying Kinetics of Citrus medica Fruit during the Freeze-Drying Process. Processes, 12(7). https://doi.org/10.3390/pr12071362
Trakoontivakorn, G., Nakahara, K., Shinmoto, H., Takenaka, M., Onishi-Kameyama, M., Ono, H., Tsushida, T. (2001). Structural analysis of a novel antimutagenic compound, 4-hydroxypanduratin A, and the antimutagenic activity of flavonoids in a Thai spice, fingerroot (Boesenbergia pandurata Schult.) against mutagenic heterocyclic amines. Journal of Agricultural and Food Chemistry, 49(6), 3046–3050. https://doi.org/10.1021/jf010016o
Zielinska, M., Ropelewska, E., Xiao, H. W., Mujumdar, A. S., & Law, C. L. (2020). Review of recent applications and research progress in hybrid and combined microwave-assisted drying of food products: Quality properties. Critical Reviews in Food Science and Nutrition, 60, 2212–2264. Taylor and Francis Inc. https://doi.org/10.1080/10408398.2019.1632788
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 ภาณุศักดิ์ มูลศรี, สัญชัย รำเพยพัด, อภิเดช บุญเจือ, อำพล พิชัยเชิด, วิชชุพงษ์ วิบูลเจริญ, ศรันย์ คัมภีร์ภัทร, ไมตรี ธรรมมา, วริศราภรณ์ จรโคกกรวด
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
