احسان محمودی؛ سید مهدی جعفری؛ ندا رحمانیان جهرمی؛ محمد جواد اکبریان میمند؛ مهدی وطن خواه
دوره 3، شماره 4 ، زمستان 1393، ، صفحه 297-306
چکیده
در این پژوهش، امکان استفاده از پردازش صدای برخورد در حوزه موجک گسسته و شبکه عصبی مصنوعی جهت جداسازی فندقهای درشت، متوسط و ریز و نیز جداسازی انواع مغزدار و پوک، بررسی شده‌است. ابتدا فندق‌‌‌ها بر اساس اندازه به سه گروه درشت، متوسط و ریز تقسیم شدند. فندقهای هر گروه وزن شدند تا انواع مغزدار و پوک از یکدیگر تفکیک ...
بیشتر
در این پژوهش، امکان استفاده از پردازش صدای برخورد در حوزه موجک گسسته و شبکه عصبی مصنوعی جهت جداسازی فندقهای درشت، متوسط و ریز و نیز جداسازی انواع مغزدار و پوک، بررسی شده‌است. ابتدا فندق‌‌‌ها بر اساس اندازه به سه گروه درشت، متوسط و ریز تقسیم شدند. فندقهای هر گروه وزن شدند تا انواع مغزدار و پوک از یکدیگر تفکیک شوند. سپس به منظور نمونه‌‌‌برداری، تمامی دانه‌‌ها از ارتفاع 40 و 50 سانتیمتری رها شدند و با صفحه فلزی برخورد کردند. صدای برخورد، توسط میکروفن ضبط گردید. سیگنال‌ها پس از پیش‌پردازش، در حوزه موجک گسسته پردازش شده و مشخصات بدست آمده، به عنوان ورودی شبکه عصبی مصنوعیبکارگرفته شدند. شبکه‌‌‌ها‌‌ی عصبی با 3 و 9 نورون در لایه پنهان، به ترتیب توانستند فندق‌‌‌ها‌‌یی که از ارتفاع 40 و 50 سانتیمتری رها شده بودند را با دقت 100درصد، از یکدیگر تفکیک کنند. همچنین فندقهای مغزدار و پوک گروه درشت، متوسط و ریز به طور جداگانه به ترتیب با دقت‌‌‌ها‌‌ی 100، 99/16 و 98 درصد برای ارتفاع 40 سانتیمتری و 100، 99/66 و 97/5 درصد برای ارتفاع 50 سانتیمتری جدا گردیدند. نتایج حاصل از این تحقیق در ترکیب با رو‌ش‌‌‌ها‌‌ی متداول جداسازی فندق، می‌‌‌تواند علاوه بر افزایش دقت و سرعت جداسازی، باعث کاهش آسیب‌‌‌دیدگی آنها گردد.
محسن مختاریان؛ فاطمه کوشکی
دوره 1، شماره 1 ، بهار 1391، ، صفحه 61-74
چکیده
در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ...
بیشتر
در این پژوهش خشک کردن لایه ای نازک گوجه فرنگی به روش جابجایی هوای داغ شبیه سازی گردید. اسلایس های گوجه فرنگی در دو دمای (60 و 70 درجه سانتیگراد) خشک شدند. شبکه عصبی پرسپترون برای پیش بینی نسبت رطوبت و سرعت خشک کردن نمونه ها در طی خشک کردن بکار گرفته شد. بهترین چیدمان شبکه عصبی برای شبکه اول بر اساس یک لایه پنهان،2 و 8 نرون در لایه پنهان به ترتیب برای نسبت رطوبت و آهنگ خشک کردن بود. همچنین بهترین چیدمان شبکه عصبی دوم بر اساس یک لایه پنهان، 11 نرون برای نسبت رطوبت و آهنگ خشک کردن بود. به طور کلی نتایج نشان داد که شبکه عصبی با آرایش دوم نتایج بهتری را در پیش بینی پارامترهای خشک کردن گوجه فرنگی ارائه نمود.
