كاربرد شبكه هاي عصبي مصنوعي در جداسازي صوتي چهار رقم پسته صادراتي ايراني

در اين تحقيق يك سيستم جداسازي صوتي مبتني بر شبكه عصبي مصنوعي ANNبراي چهار رقم پسته صادراتي ايران به نامهاي كله قوچي، اكبري، بادامي و احمد آقايي ارائه شده است. تعداد 3200 پسته، از هر رقم 800 عدد، مورد آزمايش قرار گرفت و خصوصيات ارقام از تجزيه و تحليل سيگنال دريافتي در حوزه زمان و فركانس و كاربرد روش آماري تجزيه به مولفه هاي اصلي ((PCA استخراج شد. در مجموع 40 خصوصيت از ارقام پسته ها انتخاب گرديد كه پس از نرماليزه شدن به عنوان بردار ورودي به ANN داده شد. بردار خروجي شبكه شامل 4 نرون براي دسته بندي ارقام مورد بررسي بود. در تمام آزمايشها، 70 درصد از پسته ها بعنوان داده آموزشي، 15 درصد براي آزمون و 15 درصد باقيمانده جهت اعتبارسنجي مدل شبكه عصبي انتخاب گرديد. چندين مدل مختلف ANN هركدام با تعداد نرونهاي مختلف در لايه مخفي براي تعيين ساختار بهينه آموزش داده شدند. تعداد نرون هاي در لايه مخفي از آزمونهاي متعدد نظير حداقل رساني ميانگين مربعات خطا (MSE)و ضريب همبستگي r))، برابر 12 نرون انتخاب گرديد. مدل ANN بهينه داراي ساختار 40-12-4بود. ميزان جداسازي صحيح براي چهار رقم پسته كله قوچي، اكبري، بادامي و احمد آقايي براي ساختار بهينه به ترتيب 97/96، 64/97، 36/96 و 10/99 درصد و MSE به ترتيب 0141/0، 0270/0، 0193/0 و 0123/0 حاصل شد. ميانگين وزني دقت كلي سيستم براي هر 4 رقم برابر 51/97 درصد محاسبه گرديد.