مقایسه کارآیی مدل های شبکه عصبی مصنوعی و انفیس در درجه بندی آکوستیک ارقام 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 ویژگی هایی 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،‏ تکنیک های هوش مصنوعی،‏ شامل شبکه عصبی مصنوعی و استنتاج فازی- عصبی تطبیقی (انفیس) به کار گرفته شد و کارآیی آن ها 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 ورودی ها،‏ 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 2 /96 درصد نسبت به مدل انفیس با میانگین دقت 81 درصد،‏ از عملکرد بهتری برخوردار بود.