استفاده از فناوري انعكاس و پردازش صدا و شبكه عصبي مصنوعي در جدا‌سازي فندق با اندازه مختلف

Application of voice processing and artificial neural network in the separation of hazelnuts, based on size

در اين پژوهش، امكان استفاده از پردازش صداي برخورد در حوزه موجك گسسته و شبكه عصبي مصنوعي جهت جدا‌‌سازي فندق‌‌‌ها‌‌ي درشت، متوسط و ريز و نيز جدا‌‌سازي انواع مغز‌دار و پوك، بررسي شده‌است. ابتدا فندق‌‌‌ها بر اساس اندازه به سه گروه درشت، متوسط و ريز تقسيم شدند. فندق‌‌ها‌‌‌ي هر گروه وزن شدند تا انواع مغز‌دار و پوك از يكديگر تفكيك شوند. سپس به منظور نمونه‌‌‌برداري، تمامي دانه‌‌ها از ارتفاع 40 و 50 سانتي‌متري رها شدند و با صفحه فلزي برخورد كردند. صداي برخورد، توسط ميكروفن ضبط گرديد. سيگنال‌ها پس از پيش‌پردازش، در حوزه موجك گسسته پردازش شده و مشخصات بدست آمده، به عنوان ورودي شبكه عصبي مصنوعي بكارگرفته شدند. شبكه‌‌‌ها‌‌ي عصبي با 3 و 9 نورون در لايه پنهان، به ترتيب توانستند فندق‌‌‌ها‌‌يي كه از ارتفاع 40 و 50 سانتي‌متري رها شده بودند را با دقت 100درصد، از يكديگر تفكيك كنند. همچنين فندق‌‌‌ها‌‌ي مغزدار و پوك گروه درشت، متوسط و ريز به طور جداگانه به ترتيب با دقت‌‌‌ها‌‌ي 100، 16/99 و 98 درصد براي ارتفاع 40 سانتي‌‌متري و 100، 66/99 و 5/97 درصد براي ارتفاع 50 سانتي‌‌متري جدا گرديدند. نتايج حاصل از اين تحقيق در تركيب با رو‌ش‌‌‌ها‌‌ي متداول جدا‌‌سازي فندق، مي‌‌‌تواند علاوه بر افزايش دقت و سرعت جدا‌سازي، باعث كاهش آسيب‌‌‌ديدگي آنها گردد.

In this study, Clash Voice processing in the field of wavelet and Artificial neural network (ANN) has been evaluated in order to separate hazelnuts according to their size (large, small, medium), and also being filled or empty. Hazelnuts were divided into three size groups (large, medium and small) and each hazelnut of the groups was weighted in order to separate the filled ones from the empty ones. All hazelnuts were then released from 40 and 50 cm height; bopped with a metal plate and Clash Voice was recorded. Signals in the field of wavelet were processed after the Preprocessing. Obtained profiles were applied as input to the ANN. The results showed that Neural Networks with 3 and 9 neurons in the hidden layer could successfully (accuracy of 100%) break up the hazelnuts that were dropped from 40 and 50 cm heights. The filled and empty hazelnuts of large, medium and small groups were separated from each other with the accuracy of 100, 99.61 and 98% for the height of 40 cm and 100, 99.66, 97.5% for the height of 50 cm. This research in combination with the common methods could probably reduce damages; increase the precision and the speed of separation