Thesis

ارائه سیستم هوشمند سورتینگ فندق با استفاده از پردازش سیکنال آکوستیک و شبکه عصبی مصنوعی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

در این پژوهش با تلفیق تکنیک های پردازش سیگنال صوتی و شبکه عصبی مصنوعی، روشی برای دسته بندی و درجه بندی فندق ارائه شده است. بدین منظور، سیستمی طراحی و ساخته شد که در آن برای ایجاد سیگنال های صوتی یک صفحه فولادی با ضخامت mm3 و ابعاد mm130×130 مورد استفاده قرار گرفت. با برخورد فندق به صفحه فولادی، صدای تولید شده توسط میکروفنی که در زیر صفحه فولادی تعبیه شده بود، اندازه گیری و جهت ذخیره و پردازش های بعدی توسط برنامه نوشته شده در نرم افزار matlab، از طریق کارت صدا به کامپیوتر منتقل شد. برای حذف صداهای محیطی اضافی، از مدار و حسگر پیزوالکتریک استفاده شد که در طراحی مدار آن از نرم افرار الکترونیکی پروتئوس و برای برنامه نویسی میکروکنترلر آن از نرم افزار بسکام استفاده شد. در قسمت اکتساب داده از خصوصیات حوزه زمان و حوزه ویولت برای این کار استفاده شد. برای دسته بندی و درجه بندی فندق از شبکه عصبی مصنوعی matlab استفاده شد که پس از استخراج ویژگی سیگنال های حاصل از برخورد، 70% از داده ها جهت یادگیری، 15% داده ها برای اعتبار سنجی و مابقی داده ها جهت آزمون در شبکه عصبی مصنوعی مورد استفاده قرار گرفت. انتخاب مدل بهینه بر اساس بررسی میانگین مربعات خطا (mse) و تعداد نرون ها در لایه پنهان انجام پذیرفت. برای ارزیابی عملکرد سیستم، 2400 فندق که 800 عدد شامل فندق بزرگ سالم، 800 عدد فندق کوچک سالم و800 عدد فندق پوک و شکسته بود، مورد استفاده قرار گرفت. مناسب ترین شبکه عصبی برای درجه بندی فندق ها به دسته های فندق بزرگ سالم، کوچک سالم و پوک وشکسته، ساختار 3-21-700 بدست آمد. در نهایت دقت برای فندق های بزرگ پر 1/96%، کوچک پر 3/89% ، پوک و شکسته با ابعاد متفاوت 1/93% بدست آمد که حاکی از دقت کلی 8/92% برای سیستم ارائه شده در حالت آفلاین می باشد. با استفاده از شبکه آموزش دیده و با بررسی سیستم در حالت آنلاین برای 100 عدد از هر فندق، دقت 39% برای فندق های بزرگ پر، 41% برای فندق های کوچک پر و 25% برای فندق های پوک و شکسته با ابعاد متفاوت بدست آمد که حاکی از دقت کلی5/32% برای سیستم ارائه شده در حالت آنلاین می باشد.

Supervisors and advisors

یوسف عباسپور گیلانده، اصغر محمودی

Similar theses

Similar items