كيفيت سنجي غيرمخرب ميوه سيب با استفاده از امواج صوتي، ارتعاشي و شبكه عصبي مصنوعي

Nondestructive apple quality assessment using acoustic-vibrational response and artificial neural network

در اين پژوهش ازروش پاسخ صوتي و ارتعاشي براي تخمين ميزان سفتي سيب به صورت غيرمخرب استفاده شد. سيب هاي رقم گالا در دو دماي صفر و 20 درجه سلسيوس به مدت 9 و 6 هفته نگهداري شدند و در طول دوره انبارماني هر هفته مورد آزمايش پاسخ ضربه صوتي قرار گرفتند. نمونه ها در طي آزمايش برروي دستگاه مخصوص كه براي اين آزمايش طراحي و ساخته شده قرار گرفته و با يك ضربه ملايم تحريك شدند. صدا و ارتعاش ناشي از ضربه توسط ميكروفون و شتاب سنج دريافت شده و به صورت سيگنال هاي آنالوگ به كارت صداي رايانه منتقل و سپس تبديل به سيگنال هاي ديجيتال شدند. سيگنال هاي ديجيتال توسط تبديل فوريه در نرم افزار متلب از حوزه زمان به حوزه فركانس تبديل شدند. فركانس هاي غالب سيگنال هاي صوتي و ارتعاشي استخراج شده و شاخص هاي سفتي از روابط مخصوص بدست آمد. نتايج آزمون هاي صوتي و ارتعاشي با نتايج آزمون نفوذسنجي مقايسه شد. ضريب همبستگي ميان سفتي پانچ و شاخص سفتي بيش از 0.92 بودكه در سطح احتمال %1 معني دار بود. همچنين فركانس هاي غالب صوتي و ارتعاشي و جرم نمونه ها به عنوان سه ويژگي به صورت تكي، دوتايي و سه تايي با استفاده از شبكه عصبي مصنوعي براي تخمين عمر انبارماني سيب مورداستفاده قرار گرفت. عمر انبارماني در بازه هاي زماني يك، دو و سه هفته اي تخمين زده شد و نتايج تركيب دوتايي و سه تايي در حالت هاي مختلف از %9 تا%30 دقت طبقه بندي ويژگي هاي تكي را افزايش داد.

In this study, acoustic and vibration response methods were used to non-destructively estimate the firmness of apples. Gala apples were stored at 0 and 20 ° C for 9 and 6 weeks and were tested for acoustic response every week during storage. During the test, the samples were placed on a special device designed and made for this test and stimulated with a gentle tap. Impact sound and vibration were received by the microphone and accelerometer and transmitted as analog signals to the computer sound card and then converted to digital signals. Digital signals were converted from time domain to frequency domain by Fourier transform in MATLAB software. The dominant frequencies of the sound and vibration signals were extracted and the firmness indices were obtained from special equations. The results of acoustic and vibration tests were compared with the results of puncture test. The correlation coefficient between puncture firmness and firmness index was more than 0.92, which was significant at the probability level of 1%. Also, the dominant acoustic and vibrational frequencies and mass of the samples were used as three features as single, binary and ternary using artificial neural network to estimate the shelf life of apples. The shelflife was estimated at one, two and three week intervals and the results of fusion of binary and ternary in different modes increased from 9% to 30% the accuracy of classification of individual features.