ارزیابی یک دستگاه هوشمند برای جداسازی پسته با استفاده از شبکه های عصبی مصنوعی (ANN) و تبدیل موجک انعکاس صدا

دستگاه هایی که برای جداسازی پسته مورد استفاده قرار می گیرند حجیم بوده، انرژی زیادی مصرف می نمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پسته های مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتی متر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتی متری بر روی یک صفحه فولادی سقوط کنند. سپس انعکاس صدای برخورد پسته ها با صفحه توسط یک میکروفن گرفته و به رایانه منتقل گردید. سیگنال های صدای ضبط شده مورد پردازش «تبدیل موجک» قرار گرفته و بردارهای مشخصات مناسب از آنها استخراج شد تا از شبکه عصبی پرسپترون چند لایه (MLP) جهت تشخیص این دو نوع پسته استفاده شود. مجموعا 280 شبکه سه لایه با ساختارها و الگوریتم های آموزش مختلف توسط نرم افزار MATLAB 7.4 مورد بررسی قرار گرفتند. در نهایت شبکه عصبی با ساختار 2-6-20 برای تشخیص پسته های پوک از مغزدار انتخاب شد. نتایج نشان دادند که میانگین دقت جداسازی دو گروه با شبکه عصبی آموزش داده شده از ارتفاع 25 سانتی متر 96% و از ارتفاع 35 سانتی متری 87% بود. با آموزش جداگانه شبکه برای هر گروه پسته، دقت جداسازی برای پسته پوک 98 درصد و برای پسته های مغزدار 94 درصد به دست آمد. قرار دادن پسته ها در فواصل 1، 3 یا 5 سانتی متری بر روی تسمه نقاله دستگاه تاثیری در دقت جداسازی نداشت.