کاربرد تبدیل گسسته موجک صدای برخورد و شبکه عصبی مصنوعی MLP در درجه بندی میوه عناب
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 533
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM08_200
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
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:
نویسندگان
سید جواد سجادی
مربی، دانشکده کشاورزی و منابع طبیعی دانشگاه گنبد کاووس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :