کاربرد تبدیل گسسته موجک صدای برخورد و شبکه عصبی مصنوعی MLP در درجه بندی میوه عناب

در حال حاضر درجه بندی میوه عناب بر اساس خصوصیات فیزیکی دانه ها توسط دستگاه های مکانیکی انجام می شود . این دستگاهها دقت جداسازی پایینی داشته، سنگین و حجیم بوده، سرو صدای زیادی تولید کرده و انرژی زیادی را مصرف می کنند . علاوه بر آن استفاده از آنها باعث آسیب دیدن دانه ها میشود. استفاده از پردازش صدای برخورد روشی جدید در درجه بندی محصولات کشاورزی می باشد. در این پژوهش از تبدیل گسسته موجک سیگنال های صدای برخورد دانه های عناب با یک صفحه فولادی از ارتفاع 25 سانتیمتری جهت درجه بندی میوه عناب استفاده شده است. تبدیل گسسته موجک با استفاده از موجک db3 و سطح 4 بر روی سیگنال های صدای دیجیتال شده جهت استخراج ویژگی های مناسب اعمال شد . میانگین و انحراف معیار ضرایب بدست آمده در حوزه موجک به عنوان ورودی یک شبکه عصبی مصنوعی MLP با الگوریتم آموزش پس انتشار لونبرگ - مارکواردت 1 (LM) به کارگرفته شدند. شبکه عصبی MLP با استفاده از نرم افزار MATLAB R2011a ایجاد شد. نتایج بدست آمده نشان داد که شبکه عصبی MLP با ساختار 4-3-10 قادر به درجه بندی دانه های عناب ریز، متوسط، درشت و خیلی درشت به ترتیب با دقت 70،94،90 و 92 درصد می باشد.

کلیدواژه ها:

اکوستیک ، تبدیل گسسته موجک DWT درجه بندی ، ، شبکه عصبی مصنوعی MLP عناب