Modélisation du séchage solaire de fèves de cacao par le Réseau de Neurones Artificiel

Abstract

; Tel : (+225) 07259670 RESUME Les fèves de cacao sont des produits de plus en plus convoités par l'industrie agro-alimentaire et cosmétique du fait de leurs nombreuses vertus thérapeutiques. Ces produits sont généralement à hautes humidités ou à humidités intermédiaires d'où l'intérêt de leur stabilisation par le séchage. L'obtention d'un cacao bien séché qui satisfait les exigences du client nécessite la maîtrise de ce processus. Dans le but de mieux appréhender le séchage solaire, une modélisation a été effectuée. Un modèle mathématique de l'évolution de la teneur en eau des fèves de cacao a été réalisé à l'aide d'un réseau de neurones artificiel. Le réseau de neurones le mieux adapté est le perceptron multicouche avec deux neurones sur la couche d'entrée, deux neurones sur la couche cachée et un neurone sur la couche de sortie. L'application de ce modèle a révélé un écart minime entre valeurs expérimentales et valeurs prédites des teneurs en eau (X). Le coefficient de détermination R 2 de la régression linéaire entre valeurs observées et valeurs prédites des teneurs en eau (X) a été 0,99. Ainsi le modèle a présenté de bonnes prévisions et a servi à la simulation du séchage solaire de fèves de cacao. © 2018 International Formulae Group. All rights reserved.Mots clés : Séchage solaire, fèves de cacao, modélisation, simulation, réseau de neurones artificiel (RNA). Modeling the solar drying of cocoa beans by the Artificial Neural Network ABSTRACTCocoa beans are increasingly coveted by the food industry. These products are generally at high humidity or at intermediate humidities, hence the advantage of their stabilization by drying. Obtaining a well dried cocoa beans that meet the customer's requirements requires mastering this process. In order to better understand the solar drying, a modeling was carried out. A mathematical model of the evolution of the water content of cocoa beans was carried out using an artificial neural network. The most suitable neural network is the multilayer perceptron with two input neurons, two neurons on the hidden layer and a neuron on the output layer. The application of this model revealed a small difference between experimental values and predicted values of water contents (X). The coefficient of determination R 2 of the linear regression between observed values and D. KARIDIOULA et al. / Int. J. Biol. Chem. Sci. 12(1): 195-202, 2018 196 predicted values of water contents (X) was 0.99. Thus, the model presented good predictions and was used to simulate the solar drying of cocoa beans.

Modélisation mathématiques du séchage artificiel (sous air chaud) de la pomme de cajou (<i>Anacardium occidentale</i> L.)

“…Toutes les valeurs obtenues sont supérieures à 0,80 en ce qui concerne les échantillons ayant subi l'effet de l'osmose. Cela traduit ainsi un assez bon ajustement des distributions expérimentales et prédites par les modèles testés dans la présente étude (Karidioula et al, 2018 ;Koko et al, 2019). Aussi, les valeurs de χ 2 réduit fluctuent de 0,0013-0,0072 pour le modèle de l'Approche de diffusion ; de 0,0673-0,1104 au niveau du modèle Deux-termes ; de 0,0837-0,1471 avec le modèle d'Henderson et Pabis Modifié ; de 0,1425-2,2620 pour le modèle Logarithmique.…”

“…La méthode du gradient a été développée sous un programme de calcul implémenté pour estimer les coefficients et paramètres à l'aide du logiciel MatLab R2016a (Griva, 2009 ;Abouo et al, 2015a). Les critères statistiques d'appréciation du lissage des données expérimentales aux différents modèles empiriques décrient dans la littérature a été faite pour : le coefficient de détermination multiple R² proche de l'unité (1) et pour de faibles valeurs de l'erreur quadratique moyen (EQM) et χ² proches de zéro (0) (Nogbou et al, 2015 ;Karidioula et al, 2018).…”