سیدجواد سجادی
احمد غضنفری مقدم
امین رستمی

دستگاه هایی که برای جداسازی پسته مورد استفاده قرار می گیرند حجیم بوده، انرژی زیادی مصرف می نمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پسته های مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل ۱، ۳ یا ۵ سانتی متر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع ۲۵ و ۳۵ سانتی متری بر روی یک صفحه فولادی سقوط کنند. سپس انعکاس صدای برخورد پسته ها با صفحه توسط یک میکروفن گرفته و به رایانه منتقل گردید. سیگنال های صدای ضبط شده مورد پردازش "تبدیل موجک" قرار گرفته و بردارهای مشخصات مناسب از آنها استخراج شد تا از شبکه عصبی پرسپترون چند لایه (MLP) جهت تشخیص این دو نوع پسته استفاده شود. مجموعا ۲۸۰ شبکه سه لایه با ساختارها و الگوریتم های آموزش مختلف توسط نرم افزار MATLAB ۷.۴ مورد بررسی قرار گرفتند. در نهایت شبکه عصبی با ساختار ۲-۶-۲۰ برای تشخیص پسته های پوک از مغزدار انتخاب شد. نتایج نشان دادند که میانگین دقت جداسازی دو گروه با شبکه عصبی آموزش داده شده از ارتفاع ۲۵ سانتی متر ۹۶% و از ارتفاع ۳۵ سانتی متری ۸۷% بود. با آموزش جداگانه شبکه برای هر گروه پسته، دقت جداسازی برای پسته پوک ۹۸ درصد و برای پسته های مغزدار ۹۴ درصد به دست آمد. قرار دادن پسته ها در فواصل ۱، ۳ یا ۵ سانتی متری بر روی تسمه نقاله دستگاه تاثیری در دقت جداسازی نداشت.

انعکاس صدا, پسته, تبدیل موجک, تشخیص, شبکه عصبی