ارزیابی آزمایشگاهی دقیق کارها با استفاده از روش صوتی

افزایش دقت فاصله گذاری بین بذرها تأثیر معنی داری بر کیفیت و بازدهی محصولات کشاورزی دارد. لازمه این امر توسعه روش های سریع و قابل اطمینان برای سنجش دقت توزیع بذر در ارزیابی آزمایشگاهی دقیق کارها است. در این تحقیق یک تکنیک صوتی جدید برای سنجش میزان یکنواختی فواصل بین بذرها و برآورد شاخص های عملکردی دقیق کارها به صورت آنلاین معرفی شده است. برای ارزیابی این تکنیک از بذرهای گوجه فرنگی پوشش دار، گندم و ذرت دانه ای به عنوان ماده آزمایشی استفاده گردید. الگوهای مختلف بذر با محدوده های فاصله ای مختلف به صورت دستی روی سیستم تسمه جاگذاری شدند. با حرکت تسمه بذرهای سقوط کرده از انتهای تسمه به ترتیب به صفحه ای فولادی برخورد کرده و صدای حاصله از برخورد، توسط میکروفن ثبت می شد. در هر برخورد صدای بذر مورد پردازش و فاصله آن نسبت به بذر قبلی حاصل می شد. براساس نتایج آنالیز رگرسیون برای تمام نمونه ها، همبستگی 99 درصدی بین فواصل روی تسمه و فواصل اندازه گیری شده به وسیله سیستم صوتی بدست آمد. همچنین یک سیستم هوشمند بر پایه سیگنال های صوتی برای شناسایی بذرهای آسیب دیده پایه گذاری شد. برای توسعه شبکه عصبی مصنوعی 2000 داده صوتی از بذرهای آسیب دیده و سالم گوجه فرنگی پوشش دار جمع آوری گردید. سیگنال های صوتی بدست آمده پیش پردازش و ویژگی های بالقوه آن در حوزه زمان و فرکانس با استفاده از تبدیل سریع فوریه 1024 نقطه ای استخراج گردید. با استفاده از پارامترهای آماری (مینیمم، ماکزیمم، میانه، میانگین و واریانس) برای هر ستون از ویژگی های دامنه، چگالی طیف توان و فاز، تعداد داده های مربوط به یک سیگنال به 15 عدد کاهش پیدا کرد. در فرآیند انتخاب مدل مناسب برای شبکه های عصبی، چندین ساختار شبکه که هر کدام تعداد نرون های متفاوتی در لایه مخفی داشتند مورد ارزیابی قرار گرفت و مدل بهینه بر پایه کمترین مربعات خطا، نرخ شناسایی و ضریب همبستگی با ساختار 2-17-15 انتخاب گردید. نرخ شناسایی شبکه پیشنهادی برای بذرهای سالم و بذرهای آسیب دیده به ترتیب 49/99 و100درصد حاصل شد. در نهایت با توجه به نتایج حاصله توانایی سیستم صوتی در ارزیابی آزمایشگاهی دقیق کارها بالا ارزیابی شد.