نوع مقاله : مقاله کامل پژوهشی
نویسندگان
استادیار، گروه مکانیک بیوسیستم، دانشگاه اراک، اراک
چکیده
امروزه استفاده از سیستمهای نوینی که قادر به اندازهگیری غیرمخرب ویژگیهای کیفی محصولات غذایی بوده و قابلیت نصب روی خطوط درجهبندی را دارند، از اهمیت بهسزایی برخوردار است. تحلیل پاسخ آکوستیکی یکی از شیوههای غیرمخرب اندازهگیری ویژگیهای کیفی میوهها بشمار میآید. در این پژوهش، بررسی امکان استفاده از تحلیل پاسخ آکوستیکی در طبقه‌بندی سیب رددلیشز صورت گرفته است. در این پژوهش، تبدیل موجک گسسته با استفاده از موجک دابوچی چهار در سه سطح، روی سیگنالهای صدای حاصل از ضربه به سیبها در دو حوزۀ زمان و فرکانس برای استخراج ویژگیهای مناسب اعمال شد. توابع آماری بیشینه، کمینه، میانگین، انحراف معیار، انرژی، کشیدگی، چولگی و ممان سوم به‌عنوان ویژگی استخراج شدند. با استفاده از الگوریتم شبکۀ عصبی پرسپترون چندلایه، طبقه‌بندی سیبها براساس تغییرات پاسخ آکوستیکی در دورۀ نگهداری انجام گرفت. نتایج نشان داد که شبکۀ مصنوعی با ساختار 2-1-4 در حوزۀ زمان بهترین عملکرد را داراست. میانگین صحت طبقه‌بندی برای شبکۀ مذکور 82/1 درصد و شاخص میانگین همساز دقت و حساسیت (Fβ) نیز 0/81 به‌دست آمد.
کلیدواژه‌ها
وشنام، ف.، مبلی، ح.، حسن‌بیگی بیدگلی، ر.، رفیعی، ش.، رجبیپور، ع. و ایوانی، الف. 1391. تشخیص رسیدگی خربزه با روش غیرمخرب پاسخ آکوستیکی. مجله تحقیقات مهندسی کشاورزی، 13(3):89 - 102.
سعادتی‌نیا، م.، عمادی، ب. و صدرنیا، ح. 1389. تعیین رسیدگی میوۀ هندوانه مبتنی بر روشهای آکوستیکی. مجموعۀ مقالات اولین همایش ملی مکانیزاسیون و فناوری‌های نوین در کشاورزی، 20-18 اسفند ماه، موسسه عالی سیمای دانش، اهواز.
عیسی‌زاده، ت.، حاجی‌آقاعلیزاده، ح.، احمدی، الف. و امیری چایجان، ر. 1391. پیش‌بینی سفتی میوۀ سیب در طول دورۀ انبارداری با استفاده از شبکههای عصبی مصنوعی. مجموعۀ مقالات هفتمین کنگرۀ ملی مهندسی ماشینهای کشاورزی و مکانیزاسیون، 16-14 شهریور ماه، دانشگاه شیراز.
محمودی، الف.، جعفری، م.، رحمانیان، ن.، اکبریان میمند، م.ج. و وطنخواه، م. 1393. استفاده از فناوری انعکاس و پردازش صدا و شبکۀ عصبی مصنوعی در جداسازی فندق با اندازۀ مختلف. نشریه پژوهش و نوآوری در علوم و صنایع غذایی، 3 (4):297-306.
معلم، پ. و منجمی، الف.ح. 1386. معیاری تجربی برای تشخیص مناسب بودن استفاده از شبکۀ عصبی پرسپترون چندلایه جهت طبقه‌بندی الگوها. مجموعه مقالات اولین کنفرانس دادهکاوی ایران، 30-29 آبان ماه، دانشگاه صنعتی امیرکبیر، تهران.
Choudhary, R., Mahesh, S., Paliwal, J., & Jayas, D.S. 2009. Identification of wheat classes using wavelet features from near infrared hyperspectral images of bulk samples. Biosystems Engineering, 102 (2):115-127.
Costa, F., Cappellin, L., Longhi, S., Guerra, W., Magnago, P., Porro, D., Soukoulis, C., Salvi, S., Velasco, R., Biasioli, F., & Gasperi, F. 2011. Assessment of apple (Malus× domestica Borkh.) fruit texture by a combined acoustic-mechanical profiling strategy. Postharvest biology and technology, 61(1):21-28.
De Belie, N., Schotte, S., Lammertyn, J., Nicolai, B., & De Baerdemaeker, J. 2000. Firmness changes of pear fruit before and after harvest with the acoustic impulse response technique. Journal of Agricultural Engineering Research, 77(2):183-191.
De Ketelaere, B., Howarth, M.S., Crezee, L., Lammertyn, J., Viaene, K., Bulens, I., & De Baerdemaeker, J. 2006. Postharvest firmness changes as measured by acoustic and low-mass impact devices: a comparison of techniques. Postharvest Biology and Technology, 41(3):275-284.
Diezma-Iglesias, B., Valero, C., García-Ramos, F.J., & Ruiz-Altisent, M. 2006. Monitoring of firmness evolution of peaches during storage by combining acoustic and impact methods. Journal of Food Engineering, 77(4):926-935.
Ebrahimi, E., & Mollazade, K. 2010. Integrating fuzzy data mining and impulse acoustic techniques for almond nuts sorting. Australian Journal of Crop Science, 4(5):353-358.
Ebrahimi, E., Astan, N., Mousavi, F., & Heydari, M. 2014. ANFIS-aided grading of almonds by using sound signals. Advances in Environmental Biology, 8(4):1046-1053
Feng, S., Chen, R., Lin, J., Pan, J., Chen, G., Li, Y., Cheng, M., Huang, Z., Chen, J., & Zeng, H. 2010. Nasopharyngeal cancer detection based on blood plasma surface-enhanced Raman spectroscopy and multivariate analysis. Biosensors and Bioelectronics, 25(11):2414-2419.
Galili, N., & De Baerdemaeker, J. 1996. Performance of acoustic test methods for quality evolution of agricultural products. Proceeding of the ISMA Conference, 18-20 September, 1996. Leuven, Belgium.
Han, J., Kamber, M., & Pei, J. 2012. Data mining: concepts and techniques. Third edition. Morgan kaufmann Publishers. (An imprint of Elsevier.)
Hagan, M.T., Demuth, H.B., & Beale, M.H. 1996. Neural network design, Pws Pub. Boston.
Hernández Gómez, A., Garcia Pereira, A., Wang, J., & Yong, H. 2005. Acoustic testing for peach fruit ripeness evaluation during peach storage stage. Revista Ciencias Tecnicas Agropecuarias, 14(2):28- 34.
Hernández Gómez, A., Garcia Pereira, A., & Wang, J. 2006. Acoustic impulse response potential to measure mandarin fruit ripeness during storage. Revista Ciencias Tecnicas Agropecuarias, 15(4):24-30.
IEC 61094. 2000. Electroacoustics - Measurement microphones.
Jagannath, J.H., Das Gupta, D.K., Bawa, A.S., Sebastin, R., & Vishnu, B. 2005. Assessment of ripeness/damage in banana (Musa paradisiacal) by acoustic resonance spectroscopy. Journal of food quality, 28(3):267-278.
Jayas, D.S., Paliwal, J., & Visen, N.S. 2000. Multi-layer neural networks for image analysis of agricultural products. Journal of Agricultural Engineering Research, 77(2):119–128.
Khalifahamzehghasem, S., Komarizadeh, M.H., & Askari, M. 2012. Recognition of Fill Walnuts and Empty Walnuts Using Acoustic Signal Processing. International Journal of Agricultural and Biological Engineering, 5(3):1-6.
Lu, Q., Wang, J., Hernández Gómez, A., & Garcia Pereira, A. 2009. Evaluation of tomato quality during storage by acoustic impulse response. Journal of Food Processing and Preservation, 33(s1):356-370.
Madieta, E., L'Huillier, J.P., & Jourjon, F. 2004. Apple quality assessment: relationship between optical properties, mechanical measurements and acoustic measurements. Proceeding of the 5th International Postharvest Symposium, 6-11 June, 2004. Verona, Italy.
Oppenheim, A.V., Willsky, A.S., & Nawab, S.H. 1997. Signals and systems. Pearson.
Pathaveerat, S., Terdwongworakul, A., & Phaungsombut, A. 2008. Multivariate data analysis for classification of pineapple maturity. Journal of Food Engineering, 89(2):112-118.
Petrisor, C., Lucian-Radu, G., Balan, V., & Campeanu, G. 2010. Rapid and non-destructive analytical techniques for measurement of apricot quality. Romanian Biotechnological Letters, 15(2):5213-5216.
Rahimi, A., Banakar, A., Zareiforoush, H., Beygvand, M., & Montazeri, M. 2014. Classification of jujube fruits using different data mining methods. Researcher, 6(5):52-61.
Singh, C.B., Choudhary, R., Jayas, D.S., & Paliwal, J. 2010. Wavelet analysis of signals in agriculture and food quality inspection. Food Bioprocess Technology, 3(1):2–12.
Stark, H.G. 2005. Wavelets and signal processing: an application-based introduction. Springer Science & Business Media.
Tiplica, T., Vandewalle, P., Verron, S., Gremy-Gros, C. & Mehinagic, E. 2010. Identification of apple varieties using acoustic measurements. Proceeding of the 3rd International metrology conference CAFMET, 18-23 April. 2010. Cairo, Egypt.
Valente, M., Leardi, R., Self, G., Luciano, G., & Pain, J. P. 2009. Multivariate calibration of mango firmness using visible/NIR spectroscopy and acoustic impulse method. Journal of Food Engineering, 94(1):7-13.
Wang, J., Teng, B., & Yu, Y. 2004. Pear dynamic characteristics and firmness detection. European Food Research and Technology, 218(3):289-294.
Wang, J., Hernández Gómez, A., & Garcia Pereira, A. 2006. Acoustic impulse response for measuring the firmness of mandarin during storage. Journal of Food Quality, 29(4):392-404.
)