مقایسه کارآیی مدل های شبکه عصبی مصنوعی و انفیس در درجه بندی آکوستیک ا رقام مختلف بادام

با توجه به امکان مخلوط شدن انواع بادام سنگی، نیمه کاغذی و کاغذی با ارزش اقتصادی متفاوت پس از برداشت محصول، استفاده از یک سامانه جداکننده موثر برای عرضه محصولی یکنواخت به بازار فروش، اهمیت بسزایی دارد. در این پژوهش با به کارگیری سامانه آکوستیکی برای درجه بندی ارقام بادام در سه طبقه بادام سنگی، نیمه کاغذی و کاغذی، سیگنال صوتی حاصل از سقوط و برخورد هسته بادام با صفحه فولادی، با استفاده از یک میکروفون دریافت شد و ویژگیهایی نظیر دامنه، فاز و چگالی طیف توان پس از پردازش سیگنال ها در حوزه زمان و با تبدیل فوریه سریع در حوزه فرکانس استخراج گردید. برای تشخیص و طبقه بندی سیگنال های صوتی، تکنیکهای هوش مصنوعی، شامل شبکه عصبی مصنوعی و استنتاج فازی- عصبی تطبیقی (انفیس) به کار گرفته شد و کارآیی آنها از نظر دقت مورد مقایسه قرار گرفت. شبکه عصبی مورد استفاده، از نوع پرسپترون چندلایه با الگوریتم پس انتشار خطا و تابع یادگیری لونبرگ - مارکوارت (LM) بود. در طبقه بندی با مدل انفیس، به دلیل محدودیت این مدل در تعداد ورودیها، از سه مولفه اصلی چگالی طیف توان که از اولویت بالاتری برخوردار بودند، به عنوان ورودی و از تکنیک شبکه ای با روش بهینه سازی هیبرید برای آموزش استفاده شد. در مقایسه کارآیی دو تکنیک هوش مصنوعی در درجه بندی ارقام بادام، مدل شبکه عصبی مصنوعی با میانگین دقت طبقه بندی 96 / 2 درصد نسبت به مدل انفیس با میانگین دقت 81 درصد، از عملکرد بهتری برخوردار بود

کلیدواژه ها:

آکوستیک ، استنتاج فازی ، استنتاج فازی- عصبی تطبیقی (انفیس) ، بادام ، درجه بندی آکوستیک ، شبکه عصبی مصنوعی