سید جواد سجادی - دانشجوی فوق لیسانس بخش مهندسی ماشین های کشاورزی، دانشگاه شهید باهنر
احمد غضنفری - دانشیار بخش مهندسی ماشین های کشاورزی دانشکده کشاورزی دانشگاه شهید با
امین رستمی - دانشجوی فوق لیسانس بخش مهندسی ماشین های کشاورزی، دانشگاه شهید باهنر

یکی از عواملی که در درجه بندی پسته تأثیر دارد میزان پسته های پوک می باشد. پسته پوک به پسته فاقد مغز اطلاق می شود. در حال حاضر برای جداسازی پسته های پوک از مغزدار، از دستگاه پوک گیر که با استفاده از جریان هوا کار می کند استفاده می شود. در این پژوهش دستگاه هوشمندی جهت جداسازی پسته های پوک از مغزدار طراحی و ساخته شد. اجزای این دستگاه شامل جعبه صدا، میکروفن، نرم افزار پردازش سیگنال دیجیتال، مکانیسم انتقال و جداسازی پسته می باشند. انعکاس صدای برخورد پسته با یک صفحه فولادی در حالت Offline از دو ارتفاع برخورد 25 و 35 سانتی متری توسط سیستم خودکار استحصال داده توسط میکروفن جمع آوری و به رایانه منتقل می گردد. سیگنال های صدای برخورد در دو حوزه زمان، فرکانس مورد پردازش قرار گرفته و در هر حوزه بردارهای مشخصات مناسب استخراج شده است. از شبکه عصبی پرسپترون چند لایه (MLP) جهت جداسازی استفاده شده است. 600 سیگنال صدای برخورد از هرگروه پسته های پوک و مغزین انتخاب و به 3 گروه آموزش (Train) ، (Validation) و آزمون (Test) تقسیم بندی شد. برای شناسایی پسته ها مجموعا 560 شبکهMLP با ساختار ها و الگوریتم های آموزش مختلف توسط نرم افزار MATLAB مورد بررسی قرار گرفت. شبکه های عصبی با استفاده از 500 مشخصه استحصال شده از سیگنال های صدا مورد آموزش قرار داده شدند. این شبکه های عصبی پسته های پوک را با دقت 93 درصد و پسته های مغزدار را با دقت 94 درصد جدا می سازند.

آکوستیک، سورتینگ، شبکه عصبی، پسته، صدا