منصور راسخ - دانشیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
سعید آقاعزیزی - دانشجوی دکتری رشته مکانیک بیوسیستم، گروه بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
یوسف عباسپور گیلانده - استاد گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
محمدحسین کیانمهر - استاد گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی دانشگاه تهران، پردیس ابوریحان، پاکدشت، ایران

گندم از محصولات استراتژیک کشور ایران است که نقش تعیین کنندهای در تغذیه مردم دارد. ناخالصی های موجود در توده گندم بخصوص بذور علف های هرز عامل تاثیرگذاری در افت کیفیت و بازارپسندی این محصول است. در این تحقیق به مطالعه توانایی شبکه عصبی برای پیش بینی میزان جداسازی بذرهای علف هرز از توده دانه گندم پرداخته شد. از این رو داده های جداسازی بذرهای علف هرز به کمک دستگاه جداساز میز وزنی به شبکه های عصبی شامل ساختارهای یک و دو لایه پنهان شبکه عصبی newff داده شد. همچنین از الگوریتم پس انتشار نیوتن-گوسی برای آموزش شبکه بهره گرفته شد. در همین راستا شیب عرضی میز و شیب طولی میز در سه سطح، فرکانس نوسان میز و چهار سرعت هوای دمیده شده به میز در چهار سطح و دامنه نوسان میز در دو سطح به عنوان ورودی شبکه عصبی مصنوعی و درصد جداسازی بذرهای علف هرز از توده گندم به عنوان خروجی شبکه عصبی انتخاب گردید. نتایج نشان داد شبکه عصبی مصنوعی با توپولوژی 1-12-5 دارای بیشترین مقدار ضریب تبیین برابر 0/916 و کمترین مقدار میانگین مربعات خطا برابر 219/96 و کمترین مقدار مجذور میانگین مربعات خطا برابر 14/83 برای پیش بینی مقدار جداسازی بذر علف هرز از توده دانه گندم است.

گندم، جداسازی، شبکه عصبی مصنوعی، علف هرز