ارزیابی یک دستگاه هوشمند برای جداسازی پسته با استفاده از شبکه های عصبی مصنوعی (ANN) و تبدیل موجک انعکاس صدا
Authors
Abstract:
دستگاه‌هایی که برای جداسازی پسته مورد استفاده قرار می‌گیرند حجیم بوده، انرژی زیادی مصرف می‌نمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پسته‌های مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتی‌متر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتی‌متری بر روی یک صفحه فولادی سقوط کنند. سپس انعکاس صدای برخورد پسته‌ها با صفحه توسط یک میکروفن گرفته و به رایانه منتقل گردید. سیگنال‌های 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 الگوریتم‌های آموزش مختلف توسط نرم افزار MATLAB 7.4 مورد بررسی قرار گرفتند. در نهایت شبکه عصبی با ساختار 2-6-20 برای تشخیص پسته‌های پوک از مغزدار انتخاب شد. نتایج نشان دادند که میانگین دقت جداسازی دو گروه با شبکه عصبی آموزش داده شده از ارتفاع 25 سانتی‌متر 96% و از ارتفاع 35 سانتی‌متری 87% بود. با آموزش جداگانه شبکه برای هر گروه پسته، دقت جداسازی برای پسته پوک 98 درصد و برای پسته‌های مغزدار 94 درصد به دست آمد. قرار دادن پسته‌ها در فواصل 1، 3 یا 5 سانتی‌متری بر روی تسمه نقاله دستگاه تاثیری در دقت جداسازی نداشت.
similar resources
استفاده از فناوری انعکاس و پردازش صدا و شبکه عصبی مصنوعی در جداسازی فندق با اندازه مختلف
در این پژوهش، امکان استفاده از پردازش صدای برخورد در حوزه موجک گسسته و شبکه عصبی مصنوعی جهت جداسازی فندقهای درشت، متوسط و ریز و نیز جداسازی انواع مغزدار و پوک، بررسی شده‌است. ابتدا فندق‌‌‌ها بر اساس اندازه به سه گروه درشت، متوسط و ریز تقسیم شدند. فندقهای هر گروه وزن شدند تا انواع مغزدار و پوک از یکدیگر تفکیک شوند. سپس به منظور نمونه‌‌‌برداری، تمامی دانه‌‌ها از ارتفاع 40 و 50 سان...
full textمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
full textمقایسه توانایی پیش بینی مدل های شبکه عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی انطباقی(ANFIS) و تبدیل موجک-عصبی: قیمت سبد نفت خام اوپک
پیش بینی قیمت نفت خام از مهم ترین موضوعات فرا روی اقتصاد انرژی است. پیش بینی مناسب قیمت نفت و آن هم قیمت نفت خام اوپک، به دلیل درگیر بودن تعدادی از کشورهای در حال توسعه این سازمان با قیمت نفت، می تواند در برنامه ریزی های سازمان و کشورهای عضو آن، اهمیت ویژه ای داشته باشد. برآورد و پیش بینی روند قیمت نفت، به خاطر نبود داده های تاریخی مهم و محدودیت اطلاعات مرتبط با شاخص های موثر بر روند قیمت نفت، ...
full textتولید شتاب‌نگاشت‌های مصنوعی برای یک ناحیه‌ی خاص با تبدیل موجک
کلید موفقیت در تحلیل‌های تاریخچه‌ی زمانی تا اندازه‌ی زیادی به میزان دسترسی به شتاب‌نگاشت‌های متناسب با شرایط خاک محلی بستگی دارد. اما در بیشتر موارد، نگاشت‌های ثبت‌شده در یک ناحیه‌ی خاص بسیار کم است. در این نوشتار، روشی جدید برمبنای تبدیل موجک برای تولید شتاب‌نگاشت‌های مصنوعی یک ناحیه‌ی‌خاص پیشنهاد شده است. تجزیهی نگاشت‌های حقیقی ثبت‌شده در یک ناحیه به سطوح مختلف، سیگنال‌های پایه با خصوصیات فی...
full textپیشبینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا)
در این مقاله تلاش شده است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیشبینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیشبینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به‌کار رفته است. مقایسه عملکرد نسبی مدل تر...
full textMy Resources
Journal title
volume 40 issue 2
pages -
publication date 2010-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023