غلات و حبوبات غذای اصلی انسان می¬باشند، که به دلایل تفاوت در شرایط اقلیمی مناطق مختلف جهان و نامتناسب بودن میزان تولید و مصرف کشور¬های مختلف در سطح جهان، کشور¬ها ملزم به انبار کردن این محصولات در زمان¬های طولانی و تجارت این محصول در مسافت¬های زیاد می¬باشند. بنابر¬این کنترل کیفیت و درجه¬¬بندی این محصولات از نظر آلودگی به آفات و یا شکسته بودن دانه¬ها، که باعث کاهش شدید زمان انبارداری می¬شود، الزامی است. بدین منظور تشخیص آلودگی دانه های انباری به لارو حشرات نیازمند روش های غیر¬مخرب، از آن جمله روش پردازش صوت است. در مورد لوبیا به ویژه لوبیای چشم بلبلی در جهان، مطالعاتی در این خصوص صورت نگرفته است، درحالی که زیان های آفات انباری مخصوصاً سوسک چهار نقطه ای بر این محصول بسیار زیاد است و تا حدی که کشت این محصول را در ایران به شدت کاهش داده و یا کشاورزان را ملزم به ضد عفونی بذور با سموم حشره¬کش و قارچ¬کش نموده که اثرات جبران ناپذیری بر سلامت جامعه دارد. در این تحقیق سعی شده تا با استفاده از یک سیستم هوشمند سیگنال صوتی حاصل از برخورد لوبیای چشم بلبلی سالم و لوبیای حاوی لارو سوسک چهار نقطه ای با یک صفحه فولادی ضخیم در-یافت، و مورد مطالعه قرار گیرد. بدین منظور یک کلنی پر جمعیت از سوسک چهار نقطه ای آماده و سپس برای تعیین تأثیر اندازه دانه در دقت تشخیص سیستم سه اندازه از لوبیاها با الک های استاندارد تهیه شد. تعداد مشخصی لوبیا از هر اندازه در ظروف جداگانه قرار گرفت و در هر ظرف تعداد 150 عدد سوسک بالغ هم سن (48ساعته) انتقال داده شد. نمونه ها در دما و رطوبت مناسب قرار گرفتند. پس از حصول اطمینان از آلودگی 100% دانه ها برای تعیین تأثیر اندازه لارو بر دقت تشخیص سیستم در پنج نوبت از نمونه های آلوده و دانه های سالم داده¬برداری صورت پذیرفت و یک بار هم پس از خروج لاروها از داخل دانه ها داده¬برداری انجام گرفت. دانه های شکسته و نامرغوب به صورت دستی جداسازی و به همین ترتیب مورد داده¬برداری قرار گرفت. برای تعین صفات مطلوب برای هر دسته از داده ها از روش pca استفاده شد. بردارهای ویژه و مقادیر ویژه برای هر دسته در حوزه زمان و فرکانس استخراج شد. برای واحد تصمیم از شبکه عصبی mlp استفاده شد. دقت سیستم برای جداسازی دانه های سالم از دانه های آلوده برای سه دسته کوچک، متوسط و بزرگ به ترتیب برابر 100%، 6/99% و 2/99% و دقت سیستم برای تشخیص دانه-های آلوده از دانه¬های سالم به ترتیب 6/99%، 6/99% و 4/99% به دست آمد. دانه های نامرغوب با دقت 7/99% و دانه های سالم با دقت 5/99% برای سیستم قابل تشخیص بود.