Authors

Abstract

This study develops an artificial neural network (ANN) model to optimize the convective drying process of pear slices. Experimental data from drying at 50°C, 60°C, and 70°C were used to train an ANN with three hidden layers. The model predicted drying rate with high accuracy (98.823% validation fidelity), capturing the nonlinear relationship between moisture content, time, and drying rate. Results demonstrated that higher temperatures accelerated drying but required careful control to maintain quality. The ANN effectively identified optimal drying parameters, balancing energy efficiency and product quality preservation, providing a valuable tool for industrial drying process optimization.

Abstract in Romanian

Acest studiu dezvoltă un model de rețea neurală artificială (ANN) pentru optimizarea uscării convective a feliilor de pere. Date experimentale de la uscarea la 50°C, 60°C și 70°C au fost folosite pentru antrenarea unei ANN cu trei straturi ascunse. Modelul a prezis viteza de uscare cu precizie ridicată (98,823% fidelitate de validare), capturând relația neliniară dintre umiditate, timp și viteză. Rezultatele au arătat că temperaturile mai mari accelerează uscarea, dar necesită control atent. ANN-ul a identificat parametrii optimi, echilibrând eficiența energetică și calitatea produsului, oferind un instrument valoros pentru optimizarea procesului industrial de uscare.