كاربرد تبديل گسسته موجك صداي برخورد و شبكه عصبي مصنوعي MLP در درجه بندي ميوه عناب

Application Of Discrete Wavelet Transformation Of Impact Sound Signal an‎d Artificial Neural Network In Jujube Fruit Grading

در حال حاضر درجه بندي ميوه عناب بر اساس خصوصيات فيزيكي دانه ها توسط دستگاه هاي مكانيكي انجام مي شود . اين دستگاهها دقت جداسازي پاييني داشته، سنگين و حجيم بوده، سرو صداي زيادي توليد كرده و انرژي زيادي را مصرف مي كنند . علاوه بر آن استفاده از آنها باعث آسيب ديدن دانه ها ميشود. استفاده از پردازش صداي برخورد روشي جديد در درجه بندي محصولات كشاورزي مي باشد. در اين پژوهش از تبديل گسسته موجك سيگنال هاي صداي برخورد دانه هاي عناب با يك صفحه فولادي از ارتفاع 25 سانتيمتري جهت درجه بندي ميوه عناب استفاده شده است. تبديل گسسته موجك با استفاده از موجك db3 و سطح 4 بر روي سيگنال هاي صداي ديجيتال شده جهت استخراج ويژگي هاي مناسب اعمال شد . ميانگين و انحراف معيار ضرايب بدست آمده در حوزه موجك به عنوان ورودي يك شبكه عصبي مصنوعي MLP با الگوريتم آموزش پس انتشار لونبرگ - ماركواردت 1 (LM) به كارگرفته شدند. شبكه عصبي MLP با استفاده از نرم افزار MATLAB R2011a ايجاد شد. نتايج بدست آمده نشان داد كه شبكه عصبي MLP با ساختار 4-3-10 قادر به درجه بندي دانه هاي عناب ريز، متوسط، درشت و خيلي درشت به ترتيب با دقت 70،94،90 و 92 درصد مي باشد.

Currently Jujube fruits are graded with mechanical devices based on their physical properties. These devices have low sorting accuracy, are heavy, large, noisy and consume a lot of energy. Also use of them led to nut defections and may cause nut damage. Impact sound signal processing is a new method in agricultural products sorting and grading. In this research Discrete Wavelet Tranformation (DWT) of Jujube nuts sound signals impacted onto a stainless steel plate from 25 cm of elevation was employed for grading. DWT was applied with the use of db3 at 4 level. Extracted features were mean and standard deviation of DWT coefietnts as inputs for an Artificial Neural Network (ANN) with Levenberg-Marquardt (LM) learning algorithm. ANN was constructed with MATLAB R2011a software. Results showed that 10-3-4 ANN graded the Jujube nuts onto four groups (small, medium, large and extra large) with 90,94,70 and 92 percentage of accuracy respectively