The modelling of rupture force of white kidney beans (Phaseolus vulgaris L.) using the multiple linear regression (MLP) and artificial neural networks (ANN)

Fasulyede (Phaseolus vulgaris L.) Kırılma Direnci Değerlerinin Çoklu Lineer Regresyon ve Yapay Sinir Ağları ile Modellenmesi

Abstract

Objective: The objective of this study modelling the rupture force of white kidneybeans with the multiple linear regression (MLR) and artificial neural networks (ANN).Material and Methods: It was used four different white kidney bean varieties (Akman,Topçu, Göynük and Karacaşehir) at the five different moisture contents (14.28%, 24.32%,33.45%, 42.54% and 53.48%). In the MLR and ANN models the moisture contents, length,width, thickness, arithmetic mean diameters, geometric mean diameters, surface areaand sphericity of the beans were used as input parameters while the rupture force asoutput parameter. In addition, 24 different ANN architectures were used in the ANN.Results: The highest R2 values for the Akman (0.979) and Karacaşehir (0.986) varietieswere obtained in the ANN11 architecture used by the Levenberg-Marquard learningfunction and the logarithmic sigmoid - linear transfer function pairs with 12 neurons.However, the best prediction values for Topçu (0.963) and Göynük (0.944) were obtainedin ANN 7 and ANN 2 architectures, respectively. In addition, the best pair of learningfunctions for Topçu and Göynük were observed in Logarithmic sigmoid - Symmetricsigmoid and Logarithmic sigmoid- linear transfer functions, respectively.Conclusion: The results of the study clearly showed that the ANN successfully modeledrupture force in all the white kidney bean varieties.

Özet

Amaç: Bu çalışma fasulyenin kırılma direnci değerlerini çoklu liner regresyon (MLR) ve yapay sinir ağlarıyla (ANN) modellemek amacıyla yapılmıştır. Materyal ve Metot: Araştırmada dört farklı fasulye çeşidi (Akman, Topçu, Göynük ve Karacaşehir) beş farklı tohum nem içeriğinde (%14.28, %24.32, %33.45, %42.54 ve %53.48) kullanılmıştır. Çoklu liner regresyon ve yapay sinir ağı modellerinde tohumların; uzunluk, genişlik, kalınlık, aritmetik ortalama çap, geometrik ortalama çap, yüzey alanı ve küresellik değerleri giriş parametresi, kırılma direnci değerleri ise çıkış parametresi olarak dikkate alınmıştır. Ayrıca, yapay sinir ağı modellinde 24 farklı ağ yapısı dikkate alınmıştır. Bulgular: Araştırmada Akman (0.979) ve Karacaşehir (0.986) için en yüksek R2 değerleri Levenberg-Marquard öğrenme fonksiyonu ve logarithmic sigmoid – liner transfer fonksiyonlarının 12 nöron ile kullanıldığı ANN 11 ağında elde edilmiştir. Bununla beraber Topçu (0.963) ve Göynük (0.944) için en iyi tahmin değerleri sırasıyla ANN 7 ve ANN 2 ağlarında belirlenmiştir. Ayrıca Topçu ve Göynük için en iyi öğrenme fonksiyon çifti sırasıyla logarithmic sigmoid - symmetric sigmoid ve logarithmic sigmoid- lineer fonksiyon çiftlerinde belirlenmiştir Sonuç: Çalışma sonuçları açıklıkla göstermiştir ki tüm fasulye çeşitlerindeki kırılma dirençleri ANN ile başarılı bir şekilde modellenmiştir.