ساخت و ارزیابی سامانه آکوستیک هوشمند برای درجه بندی زمان واقعی بادام

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ERAMS-16-65_003

تاریخ نمایه سازی: 3 دی 1401

چکیده مقاله:

هدف از این تحقیق، دستیابی به یک فناوری با کارآیی بالا و کم هزینه، برای درجه بندی غیر مخرب بادام به صورت زمان واقعی است. برای نیل به این هدف، نمونه آزمایشگاهی یک سامانه درجه بندی ضربه-صوتی هوشمند و خودکار مرکب از واحد تغذیه، واحد تشخیص آکوستیک و جداکننده نیوماتیکی محصول به همراه سامانه کنترل کننده الکترونیکی ساخته شد.  در ارزیابی سامانه مزبور برای طبقه بندی ارقام بادام در سه کلاس سنگی، نیمه کاغذی و کاغذی، سیگنال صوتی حاصل از برخورد هسته بادام با صفحه فولادی، با میکروفون دریافت و ویژگی هایی نظیر دامنه، فاز و چگالی طیف توان پس از پردازش سیگنال ها در حوزه زمان و  با تبدیل فوریه سریع (FFT) در حوزه فرکانس استخراج شد.  در کلیه آزمایش ها، از شبکه های عصبی نوع پرسپترون چندلایه (MLP) با الگوریتم پس انتشار خطا و تابع یادگیری LM استفاده گردید.  در طبقه بندی ارقام بادام به حالت برون خط، میانگین دقت طبقه بندی با داده های اعتبار سنجی ۲/۹۶ درصد به دست آمد که این میزان دقت در طبقه بندی برخط، به حدود ۸۸ درصد کاهش یافت.  علت احتمالی کاهش دقت در طبقه بندی، تاثیر پراکندگی اندازه یا اختلاف جرم بین نمونه های بادام در هریک از کلاس های سنگی و نیمه کاغذی بوده است.

نویسندگان

علی رشادصدقی

عضو هیئت علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان آذربایجان شرقی

اصغر محمودی

دانشیار گروه مهندسی بیو سیستم دانشکده کشاورزی دانشگاه تبریز

فرید بجایی

دانشجوی دکتری مکانیک بیوسیستم گروه مهندسی بیو سیستم دانشکده کشاورزی دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aghel, H., Yousefzadeh, S. and Mansouri, H. ۲۰۰۸. The Analysis ...
  • Anon. ۲۰۱۳. FAOSTAT Database. http://faostat۳.fao.org/(accessed: ۲۵May, ۲۰۱۵) ...
  • Borrell, J. V. R. ۲۰۰۹. Shelling-Separating machine especially for almonds ...
  • Cetin, A. E., Pearson, T. C. and Tewfik, A. H. ...
  • Cetin, A. E., Pearson, T. C. and Tewfik, A. H. ...
  • Ebrahimi, E. and Mollazadeh, K. ۲۰۱۰. Integrating fuzzy data mining ...
  • Eyvani, A. ۲۰۰۸. Walnut acoustic response production and recognition for ...
  • Kalkan, H., Ince, N. F., Tewfik, A. H., Yardimci, Y. ...
  • Mahmoudi, A. ۲۰۰۶. Development of a suitable algorithm using artificial ...
  • Onaran, I., Ince, N.F., Tewfik, A. H. and Cetin, A. ...
  • Pearson, T., Moore, D. and Pearson, J. ۲۰۱۲. A machine ...
  • Pearson, T. C. ۲۰۰۱. Detection of pistachio nuts with closed ...
  • Reshadsedghi, A. Mahmoudi, A. ۲۰۱۳. Detection of almond varieties using ...
  • Reshadsedghi, A., Mahmoudi, A., Azimirad, V., Hajilou, J. and Ghaffari, ...
  • نمایش کامل مراجع