การวิเคราะห์ปัจจัยทางไฟฟ้าที่มีอิทธิพลต่อคุณลักษณะของเนื้อหมูในกระบวนการให้ความร้อนแบบโอห์มมิกด้วยการเรียนรู้ของเครื่องจักร

Abstract

This thesis presents a control system design for regulating the rate of temperature increase in an ohmic heating process for pork steak preparation machines. The study investigates temperature change characteristics and predicts the quality of the pork steaks. The control design utilizes a simple artificial neural network model and a random forest. Through experimentation on pork cuts with cross-sectional areas of 4x2, 4x3, and 4x4, it was observed that low and constant electrical voltage inputs resulted in a linear rate of temperature increase and faster heating compared to grilling methods. A 20 VAC was chosen for developing a prediction program for time and appearance. The significant variables influencing time prediction were temperature, pre-heating weight, and initial temperature. For predicting appearance were pre-heating weight, temperature, and initial temperature. The model achieved accurate predictions, with a maximum accuracy of 100%. The model outperformed equation-based approaches in classifying abnormal pork characteristics, with lower calculation errors and more comprehensive predictions.

ในวิทยานิพนธ์นี้นำเสนอการออกแบบควบคุมอัตราการเพิ่มอุณหภูมิในกระบวนการให้ความร้อนแบบโอห์มมิกสำหรับเตรียมสเต็กเนื้อหมูให้เหมาะสม โดยการศึกษาคุณลักษณะของการเปลี่ยนแปลงอุณหภูมิที่เกิดขึ้นและการทำนายคุณภาพของสเต็กเนื้อหมู ในการออกแบบการควบคุมใช้โมเดลโครงข่ายประสาทเทียมอย่างง่ายและโมเดลการแบ่งกลุ่มด้วยวิธีป่าสุ่ม เมื่อศึกษาการให้ความร้อนในชิ้นเนื้อหมูขนาดพื้นที่หน้าตัด 4x2, 4x3, และ 4x4 พบว่าการป้อนแรงดันไฟฟ้าต่ำและคงที่จะให้อัตราการเพิ่มอุณหภูมิเป็นเชิงเส้นและใช้เวลาเร็วกว่าการย่างปกติ โดยเลือกใช้ 20 โวลต์ กระแสสลับในการออกแบบโปรแกรมทำนายเวลาและคุณลักษณะปรากฏ ตัวแปรที่มีผลมากที่สุดในการทำนายเวลาคืออุณหภูมิชิ้นเนื้อ น้ำหนักก่อนการทดลอง และอุณหภูมิเริ่มต้นของชิ้นเนื้อตามลำดับ สำหรับการทำนายลักษณะปรากฏของชิ้นเนื้อที่จะเกิดขึ้น ตัวแปรที่ใช้คือน้ำหนักก่อนการให้ความร้อน อุณหภูมิของชิ้นเนื้อ และอุณหภูมิเริ่มต้น โมเดลสามารถทำนายเวลาและลักษณะปรากฏได้อย่างแม่นยำ และมีความถูกต้องสูงสุดถึง 100% สามารถจำแนกกรณีที่ลักษณะปรากฏของชิ้นเนื้อมีความผิดปกติได้เมื่อเปรียบเทียบกับการคำนวณจากสมการการเปลี่ยนแปลงพลังงานความร้อนด้วยไฟฟ้า โดยมีความผิดพลาดในการคำนวณเวลาน้อยกว่าและทำนายได้ครอบคลุมทุกปัญหากว่าการใช้สมการ