ارائه الگوریتم مناسب جداسازی ارقام پسته مبتنی بر شبکه های عصبی مصنوعی

در این تحقیق الگوریتم جداسازی صوتی مبتنی بر شبکه عصبی مصنوعی (ANN) برای چهار رقم پسته صادراتی ایران به نام های کله قوچی، اکبری، بادامی، احمدآقایی ارایه شده است. تعداد 3200 پسته، از هر رقم 800 عدد، مورد آزمایش قرار گرفت و خصوصیات ارقام از تجزیه و تحلیل سیگنال دریافتی در حوزه زمان و فرکانس و کاربرد روش آماری تحزیه به مولفه های اصلی (PCA) استخراج شد. در مجموع 40 ویژگی از ارقام پسته ها انتخاب گردید که پس از نرمال شدن به عنوان بردار ورودی به ANN داده شد. بردار خروجی شبکه شامل 4 نرون برای دسته بندی ارقام مورد بررسی بود. چندین مدل مختلف ANN هر کدام با عداد نرون های مختلف در لایه پنهان برای تعیین ساختار مورد نظر آموزش داده شدند. تعداد نرون های لایه پنهان پس از آزمون های متعدد نظیر حداقل رسانی میانگین مربعات خطا (MSE) و ضریب همبستگی (r)، 12 نرون انتخاب گردید. مدل ANN با ساختار 4-12-40 برای جداسازی ارقام انتخاب گردید. میزان جداسازی صحیح برای چهاررقم پسته کله قوچی، اکبری، بادامی، و احمدآقایی برای ساختار بهینه به ترتیب 96.97، 97.64، 96.36 و 99.10 درصد و MSE آنها به ترتیب 0.0141، 0.0270، 0.0193 و 0.0123 شد. میانگین وزنی دقت کلی سیستم برای هر 4 رقم 97.51 درصد بدست آمد.