پیش بینی پاسخ آکوستیک، شاخص تردی و سفتی میوه خیار با استفاده از شبکه های عصبی مصنوعی

خیار یک میوه پر مصرف در ایران است که مصرف زیادی در تمام فصول دارد؛ لذا بررسی پارامترهای موثر در میزان کیفیت آن امری اجتناب ناپذیر به نظر می رسد. با توجه به صرف هزینه و زمان زیاد برای اندازه گیری پارامتر ها، پیش-بینی آن ها با توجه به عوامل تاثیرگذار بسیار مفیدتر خواهد بود. در تحقیق حاضر ارتباط بین دو ویژگی مکانیکی (شاخص تردی و سفتی) و فشار صدای حاصل از شکستن (پاسخ آکوستیک) میوه خیار با زمان و شرایط مختلف انبارداری و در قسمت های مختلف میوه با استفاده از شبکه های عصبی مصنوعی مدل سازی شد. ورودی شبکه ها زمان نگهداری، شرایط نگهداری و موقعیت انجام تست در طول میوه بودند. با استفاده از مقادیر ویژگی های مکانیکی و صوتی به عنوان خروجی های هدف، شبکه های مختلفی با پیکربندی های متفاوت تعریف و آموزش داده شدند. شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی با تعداد نرون های مختلف و توابع آموزش مومنتوم، گرادیان نزولی و لونبرگ-مارکوارت و توابع آستانهSigmoidAxon و TanhAxon به کار گرفته شدند. دقت یادگیری شبکه ها در تخمین ویژگی های مکانیکی و صوتی مورد بررسی قرار گرفت. نتایج نشان داد که شبکه عصبی پرسپترون چندلایه با تابع آستانه TanhAxon و تابع آموزش مومنتوم و پیکربندی 3-3-5-3 بهترین عملکرد در پیش بینی فشار صوت، شاخص تردی و و سفتی میوه خیار رقم ویولا را دارا بود. شبکه عصبی مذکور توانایی پیش بینی فشار صوت، شاخص تردی و سفتی خیار با ضرایب تبیین به ترتیب 9973/0، 9456/0 و 9129/0 و ریشه میانگین مربعات خطای 021/0، 052/0 و 059/0 را داشت.