طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 807
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_065
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
امروزه آزمون های غیر مخرب یکی از مفیدترین فناوری ها در زمینه ارزیابی و طبقه بندی در حوزه های مختلف به شمار میروند.در این مقاله روشی هوشمند به منظور طبقه بندی پرندگان از دیدگاه اندازه و سلامت آنها بر اساس صدای منتشره از آنها طراحی و به کار گرفته شده است. بدین منظور ابتدا پرندگان بر اساس وضعیت جسمانی خود به طبقات مختلف تقسیم و صدای هر یک توسط یک میکروفن و کارت داده برداری ثبت شد. سپس 5 تابع ویژگی واریانس، انحراف از معیار، ریشه میانگین مربعات، میانگین و کورتسیس از سیگنال ها استخراج گردید. از این ویژگی ها که در واقع معیار مناسبی برای شناسایی سیگنال ها هستند، به عنوان ورودی شبکه عصبی مصنوعی استفاده شد. ابتدا شبکه عصبی مصنوعی با تعدادی تکرار مناسب از توابع ویژگی آموزش دادهشد تا ساختار و وزن های مناسب شبکه به دست آید. شبکه مذکور به وسیله یک سری داده جدید مورد آزمون قرار گرفت تا دقت آن در طبقه بندی پرندگان برآورد شود. در پژوهش حاضر از این سامانه هوشمند به منظور تشخیص و طبقه بندی اردکهای سالم و بیمار استفاده شد. روش مذکور توانست با دقت 75 درصد اردکهای سالم را از اردکهای بیمار و ضعیف تمییز دهد. نتایج نشان میدهند که سامانه طراحی شده در این پژوهش در استفاده از صدای پرندگان به منظور طبقه بندی آنها تا 75 درصد موفق بوده است. نتایج این پژوهش میتواند به عنوان روشی ساده و مطمئن جهت تشخیص پرندگان بیمار در واحدهای پرورش پرندگان مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
مقداد خزایی
دانشجوی دکتری مکانیک ماشین های کشاورزی، گروه مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس
احمد بناکار
استادیار گروه مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس
سید رضی کریمی آکندی
دانش آموخته کارشناسی ارشد، مکانیک ماشین های کشاورزی، گروه مکانیک ماشین های کشاورزی، دانشگاه تربیت مدرس
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 :