| تعداد نشریات | 285 |
| تعداد نشریات سازمان | 83 |
| تعداد شماره‌ها | 2,805 |
| تعداد مقالات | 31,822 |
| تعداد مشاهده مقاله | 40,375,395 |
| تعداد دریافت فایل اصل مقاله | 17,808,903 |
ساخت و ارزیابی سامانۀ آکوستیک هوشمند برای درجه‌بندی زمان واقعی بادام | ||
| تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی | ||
| مقاله 4، دوره 16، شماره 65، اسفند 1394، صفحه 31-46 اصل مقاله (241.11 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/erams.2016.105952 | ||
| نویسندگان | ||
| علی رشادصدقی* 1؛ اصغر محمودی2؛ فرید بجایی3 | ||
| 1عضو هیئت علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان آذربایجان شرقی | ||
| 2دانشیار گروه مهندسی بیوسیستم دانشکده کشاورزی دانشگاه تبریز | ||
| 3دانشجوی دکتری مکانیک بیوسیستم گروه مهندسی بیوسیستم دانشکده کشاورزی دانشگاه تبریز | ||
| چکیده | ||
| هدف از این تحقیق، دستیابی به یک فناوری با کارآیی بالا و کم‌هزینه، برای درجه‌بندی غیر مخرب بادام به صورت زمان واقعی است. برای نیل به این هدف، نمونۀ آزمایشگاهی یک سامانۀ درجه‌بندی ضربه-صوتی هوشمند و خودکار مرکب از واحد تغذیه، واحد تشخیص آکوستیک و جداکنندة نیوماتیکی محصول به همراه سامانۀ کنترل‌کنندۀ الکترونیکی ساخته شد. در ارزیابی سامانۀ مزبور برای طبقه‌بندی ارقام بادام در سه کلاس سنگی، نیمه‌کاغذی و کاغذی، سیگنال صوتی حاصل از برخورد هستۀ بادام با صفحۀ فولادی، با میکروفون دریافت و ویژگی‌هایی نظیر دامنه، فاز و چگالی طیف توان پس از پردازش سیگنال‌ها در حوزۀ زمان و با تبدیل فوریه سریع (FFT) در حوزۀ فرکانس استخراج شد. در کلیۀ آزمایش‌ها، از شبکه‌های عصبی نوع پرسپترون چندلایه (MLP) با الگوریتم پس انتشار خطا و تابع یادگیری LM استفاده گردید. در طبقه‌بندی ارقام بادام به‌حالت برون‌خط، میانگین دقت طبقه‌بندی با داده‌های اعتبار سنجی 2/96 درصد به دست آمد که این میزان دقت در طبقه‌بندی برخط، به حدود 88 درصد کاهش یافت. علت احتمالی کاهش دقت در طبقه‌بندی، تأثیر پراکندگی اندازه یا اختلاف جرم بین نمونه‌های بادام در هریک از کلاس‌های سنگی و نیمه‌کاغذی بوده است. | ||
| کلیدواژه‌ها | ||
| آکوستیک؛ بادام؛ سامانۀ درجه‌بندی؛ شبکۀ عصبی مصنوعی | ||
| عنوان مقاله [English] | ||
| Construction and Evaluation of Intelligent Acoustic System for Real-Time Grading of Almonds | ||
| چکیده [English] | ||
| This study was conducted to achieve effective and low-cost technology for non-destructive grading of unshelled almonds in real time. A laboratory prototype of an intelligent online impact-acoustic system composed of a feeding unit, acoustical recognition unit, and pneumatic separator with an electronic controller unit was constructed and tested. To evaluate system operation according to almond variety and class (hard, semi-soft, and soft), the effect of an acoustic signal generated by dropping the nuts onto a steel plate was captured by microphone and the amplitude, phase, and power spectral density were extracted from analysis of the sound signal in the time and frequency domains by means of fast Fourier transform. A multilayer perceptron neural network with a LM training function were used in all experiments. The classification accuracy using validation data was about 96.2% in the offline mode, but accuracy decreased to 88% in the online mode. This decrease in accuracy was probably the result of a difference in size and mass of the almond samples in the hard and semi-soft classes. | ||
| کلیدواژه‌ها [English] | ||
| Acoustic, Almond, Artificial Neural Network, Grading System | ||
| مراجع | ||
|
Aghel, H., Yousefzadeh, S. and Mansouri, H. 2008. The Analysis of effective factors on value of agricultural products experts with emphasis on export standards (pistachio, almond, saffron, date and apple). J. Econ. Agric. Dev. 22(1): 125-135. (in Persian)
Anon. 1991. Unshelled sweet almonds. Annex I: Determination of the moisture content for dry produce (Nuts). United Nations. UNECE Standard DDP-05. New York and Geneva.
Anon. 2013. FAOSTAT Database. http://faostat3.fao.org/(accessed: 25May, 2015).
Borrell, J. V. R. 2009. Shelling-Separating machine especially for almonds and other soft-shelled nuts. United States Patent Application Publication. Pub. No. US 2009/0301320AL.
Cetin, A. E., Pearson, T. C. and Tewfik, A. H. 2004a. Classification of closed- and open-shell pistachio nuts using voice-recognition technology. Trans. ASAE. 47(2): 659-664.
Cetin, A. E., Pearson, T. C. and Tewfik, A. H. 2004b. Classification of closed- and open-shell pistachio nuts using impact acoustical analysis, In Proc. International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2004).
Ebrahimi, E. and Mollazadeh, K. 2010. Integrating fuzzy data mining and impulse acoustic techniques for almond nuts sorting. Aust. J. Crop Sci. (AJCS). 4(5): 353-358.
Eyvani, A. 2008. Walnut acoustic response production and recognition for non-destructive prediction of some physical properties, using artificial neural networks. Ph. D. Thesis. Faculty of Agriculture. Tarbiat Modares University. Tehran. Iran. (in Persian)
Kalkan, H. and Yardimci, Y. 2006. Classification of hazelnuts by impact acoustics. In Proceedings 16th IEEE Signal Processing Society Workshop on MLSP.
Kalkan, H., Ince, N. F., Tewfik, A. H., Yardimci, Y. and Pearson, T. 2008. Classification of hazelnut kernels by using impact acoustic time-frequency patterns. EURASIP J. Advances in Signal Processing. 2008, 1-11.
Mahmoudi, A. 2006. Development of a suitable algorithm using artificial neural network for sorting of pistachio nuts with closed shells using impact-acoustics. Ph. D. Thesis. Faculty of Agriculture. Tehran University. Karaj. Iran. (in Persian)
Moallemi-Oreh, A. and Minaei, S. 2010. Acoustic tests and its application in agricultural researches. Proceeding of the First National Conference of Mechanization and New Technologies in Agriculture. Feb. 16-18. Ahvaz. Iran. (in Persian)
Onaran, I., Pearson, T. C., Yardimci, Y. and Cetin, A. E. 2006. Detection of underdeveloped hazelnuts from fully developed nuts by impact acoustics. Trans. ASAE. 49(6): 1971-1976.
Onaran, I., Ince, N.F., Tewfik, A. H. and Cetin, A. E. 2007.A signal representation approach for discrimination between full and empty hazelnuts. EUSIPCO. Poznan. 2464-2468.
Pearson, T., Moore, D. and Pearson, J. 2012. A machine vision system for high speed sorting of small spots on grains. Food Measure. 6, 27-34.
Pearson, T. C. 2001. Detection of pistachio nuts with closed shells using impact acoustics. App. Eng. Agric. 17(2): 249-253.
Reshadsedghi, A. Mahmoudi, A. 2013. Detection of almond varieties using impact acoustics and artificial neural networks. Int. J. Agric. Crop Sci. 5, 1008-1017.
Reshadsedghi, A., Mahmoudi, A., Azimirad, V., Hajilou, J. and Ghaffari, H. 2014. Non-destructive detection of unshelled almonds quality based on their kernel percentage using impact-acoustics and ANN's techniques. Agric. Sci. Dev. 3(11): 360-365. | ||
|
آمار تعداد مشاهده مقاله: 917 تعداد دریافت فایل اصل مقاله: 564 |
||