احسان محمودی - دانشجوی کارشناسی ارشدصنایع غذایی
سیدمهدی جعفری - استادیاردانشگاه علوم کشاورزی و منابع طبیعی گرگان

دراین پژوهش امکان استفاده ازپردازش صدای برخورد درحوزه موجک گسسته و شبکه عصبی مصنوعی جهت سورتینگ ارقام سحروویلیامز سویا بررسی میشود ابتدا تعداد 100عدد دانه سویا ازهرکدام ازارقام سحروویلیامز انتخاب شدند سپس تمامی دانه ها ازارتفاع 50سانتیمتری باصفحه فلزی برخوردکردند صدای برخورد توسط میکروفن گرفته و ازطریق تبدیل و درحافظه رایانه ذخیره گردید سیگنالها پس ازپیش پردازش درحوزه موجک گسسته پردازش شده و مشخصات بدست امده به عنوان ورودی شبکه عصبی مصنوعی پرسپترون چندلایه MLP با الگوریتم اموزش پس انتشارلونبرگ مارکواردت 1 بکارگرفته شدند کلیه مراحل ضبط خودکار صدای برخورد پردازش سیگنال و ایجاداموزش و ازمایش شبکه عصبی بااستفاده ازبرنامه نویسی درمحیط نرم افزارMATLAB R2011a انجام شد شبکه عصبیMLP باساختار 2-19-10 قادربه طبقه بندی ارقام سحروویلیامز سویا به ترتیب بادقت 93و84 درصدبود نتایج بدست امده درترکیب با روشهای متداول سورتینگ سویا میتواند ضمن افزایش دقت و سرعت جداسازی باعث کاهش اسیب دیدگی آنها شود دراین پژوهش سورتینگ ارقام سویا با استفاده ازپردازش صدای برخورد درحوزه موجک گسسته و شبکه عصبی مصنوعی بادقت بالا انجام شد

آکوستیک، طبقهبندی، شبکه عصبی مصنوعی، سویا، صوت، تبدیل موجک گسسته