محمود امید - دانشیار گروه مکانیک ماشین های کشاورزی دانشکده مهندسی و فناوری کشاورزی دانشگاه تهران
اصغر محمودی - استادیار گروه مکانیک ماشین های کشاورزی دانشگاه تبریز
مهدی علی اکبری - دانشجوی سابق کارشناسی ارشد
اسدالله اکرم - استادیار گروه مکانیک ماشین های کشاورزی دانشکده مهندسی و فناوری کشاورزی دانشگاه تهران

در این تحقیق با تلفیق تکنیک های صوتی و شبکه عصبی مصنوعی،یک دستگاه هوشمند برای جداسازی پسته های خندان از ناخندان طراحی و پیاده سازی شد.  این سیستم شامل سه بخش تغذیه، تشخیص صوتی، و حذف پسته معیوب (ناخندان) به کمک یک سیستم نیوماتیکی است. صفات پسته های خندان و ناخندان، ناشی از برخورد هر یک به صفحه فولادی، توسط یک میکروفون که در زیر صفحه تعبیه شده، اندازه گیری و برای ذخیره و پردازش های بعدی از طریق کارت صدا به کامپیوتر منتقل می شود.  برای ارزیابی سیستم، از پسته رقم کله قوچی استفاده شد.  پسته­های مذکور توسط سیستم تغذیه تک تک روی صفحه فلزی سقوط می­کنند.  با محاسبه دامنه سیگنال در حوزه زمان و فاز و چگالی طیف توان (انرژی سیگنال) سیگنال صوتی حاصل از مولفه های تبدیل فوریه سریع در حوزه فرکانس، صفات لازم برای بردار ورودی شبکه عصبی به دست آمد. به کمک روش آماری تجزیه به مولفه اصلی، هفت مولفه از کل ۲۵۴۸ مولفه (با ۷۳/۹۹ درصد کاهش صفات) برای جداسازی پسته های خندان از ناخندان انتخاب شد.  بیش از ۴۰ شبکه عصبی، هرکدام با تعداد نرون­های مختلف در لایه مخفی برای تعیین ساختار بهینه، آموزش داده شدند.  برای تعیین تعداد بهینه نرون­ها در لایه مخفی، کمترین میانگین مربع خطا شبکه برای داده­های اعتبارسنجی در نظر گرفته شد.  در نهایت مدل بهینه شبکه عصبی با ساختار ۲-۱۲-۷  به دست آمد. درصد جداسازی صحیح (CSR) یا دقت این سیستم در جداسازی پسته های خندان، ناخندان و نیمه خندان پسته رقم کله قوچی به ترتیب ۳/۹۷، ۷/۹۶ و ۱/۹۳ درصد است.

پسته, تبدیل فوریه سریع, تجزیه به مولفه اصلی, جداسازی, شبکه عصبی مصنوعی, صوت