ارائه مدل هوشمند پیش بینی چگالی گردو به روش غیرمخرب

نسبت وزن مغز به وزن پوسته عامل تعیین کننده ای برای کیفیت گردو محسوب می شود که میتوان آن را به چگالی جرم ویژه گردو نسبت داد کیفیت مغز گردو درتعیین موقعیت و مورد مصرف موثر میباشد ضمن اینکه گردوهایی که دارای مغز چروکیده یا سیاه هستند ممکن است دارای نوعی قارچ باشند که عامل بیماری است درتحقیق حاضر یک روش اقتصادی و غیرمخرب برای تشخیص کیفیت مغز گردو به کمک تکنیکهای صوتی ارایه شده است دراین راستا با بدست آوردن چگالی گردو جرم 1420 گردو با استفاده از یک ترازوی دیجیتالی اندازه گیری و حجم نیز به روش اندازه گیری ابعادی محاسبه گردید سپس چگالی گردوها تعیین شد گردوها با سقوط روی یک صفحه فولادی مورد ازمایش قرارگرفته و صدای حاصل از برخورد توسط یک میکروفن که درزیرصفحه تعبیه شده برای ذخیره و پردازش بعدی به کامپیوتر منتقل گردید صفات موثر از آنالیز سیگنال حاصل از ضربه درحوزه زمان و فرکانس استخراج شد درمجموع 62ویژگی با استفاده ازروش آماری تجزیه به مولفه های اصلی PCA انتخاب و پس از نرمال شدن به عنوان ورودی به شبکه عصبی داده شد مدلهای مختلف شبکه عصبی هرکدام با تعدادنرونهای متفاوت درلایه پنهان آموزش داده شد.

کلیدواژه ها:

تبدیل فوریه سریع ، تجزیه به مولفه های اصلی ، شبکه عصبی مصنوعی ، صوت