محمود امید؛ اصغر محمودی؛ مهدی علی اکبری؛ اسدالله اکرم
دوره 10، شماره 4 ، اسفند 1388، ، صفحه 13-24
چکیده
در این تحقیق با تلفیق تکنیک‌های صوتی و شبکة عصبی مصنوعی،یک دستگاه هوشمند برای جداسازی پستههای خندان از ناخندان طراحی و پیاده‌سازی شد. این سیستم شامل سه بخش تغذیه، تشخیص صوتی، و حذف پسته معیوب (ناخندان) به کمک یک سیستم نیوماتیکی است. صفات پستههای خندان و ناخندان، ناشی از برخورد هر یک به صفحة فولادی، توسط یک میکروفون که در زیر ...
بیشتر
در این تحقیق با تلفیق تکنیک‌های صوتی و شبکة عصبی مصنوعی،یک دستگاه هوشمند برای جداسازی پستههای خندان از ناخندان طراحی و پیاده‌سازی شد. این سیستم شامل سه بخش تغذیه، تشخیص صوتی، و حذف پسته معیوب (ناخندان) به کمک یک سیستم نیوماتیکی است. صفات پستههای خندان و ناخندان، ناشی از برخورد هر یک به صفحة فولادی، توسط یک میکروفون که در زیر صفحه تعبیه شده، اندازه‌گیری و برای ذخیره و پردازش‌‌های بعدی از طریق کارت صدا به کامپیوتر منتقل می‌شود. برای ارزیابی سیستم، از پستة رقم کله‌قوچی استفاده شد. پستههای مذکور توسط سیستم تغذیه تک تک روی صفحة فلزی سقوط میکنند. با محاسبة دامنة سیگنال در حوزة زمان و فاز و چگالی طیف توان (انرژی سیگنال) سیگنال صوتی حاصل از مولفه‌های تبدیل فوریه سریع در حوزة فرکانس، صفات لازم برای بردار ورودی شبکة عصبی به دست آمد. به کمک روش آماری تجزیه به مولفه اصلی، هفت مولفه از کل 2548 مولفه (با 73/99 درصد کاهش صفات) برای جداسازی پستههای خندان از ناخندان انتخاب شد. بیش از 40 شبکه عصبی، هرکدام با تعداد نرونهای مختلف در لایۀ مخفی برای تعیین ساختار بهینه، آموزش داده شدند. برای تعیین تعداد بهینه نرونها در لایة مخفی، کمترین میانگین مربع خطا شبکه برای دادههای اعتبارسنجی در نظر گرفته شد. در نهایت مدل بهینه شبکه عصبی با ساختار 2-12-7 به دست آمد. درصد جداسازی صحیح (CSR) یا دقت این سیستم در جداسازی پستههای خندان، ناخندان و نیمه خندان پسته رقم کله‌قوچی به‌ترتیب 3/97، 7/96 و 1/93 درصد است.
