دانیال گندم زاده - دانشجوی دکتری،
عباس روحانی - دانشجوی دکتری گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
محمدحسین عباسپورفرد - استادیارگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد
محمودرضا گلزاریان - استادگروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه فردوسی مشهد

این تحقیق در سال 1393 با هدف امکانسنجی تشخیص چند گونه علفهرز رایج شامل خرفه (Portulacaceae ،(سلمه تره (. Chenopodium مزرعه در)، Salsola iberica) شور علف و) Amaranthus retroflexus L.) خوابیده خروس تاج)، Tribulus terrestris L.) خارخسک)، album Lتحقیقاتی دانشگاه فردوسی مشهد با گسیل امواج فراصوتی و بررسی موج بازگشتی از گونههای علفهرز مذکور مورد مطالعه قرار گرفت. نتایج نشان داد که وجود تفاوت در ویژگیهای بافتی بین گونههای علفهرز، موجب تغییرات مقدار و الگوی دامنه موج فراصوت بازگشتی از آنها م یشود . همچنین مقایسه میانگین ویژگیهای آماری بین امواج فراصوتی بازگشتی از گونههای علفهای هرز مختلف این اختلافات را تایید کرد. از شبکه عصبی چند لایه پرسپترون با الگوریتم آموزشی با نرخ یادگیری کاهشی برای جداسازی و شناسایی گونههای علفهرز استفاده شد. در گام اول اقدام به شناسایی همزمان تمام گونهها از یکدیگر شد. نتایج مرحله آموزش شبکه عصبی نشان داد که خطای تشخیص تنها برای سلمه تره برابر با 67/16 درصد است و خطای تشخیص سایر گونهها برابر با صفر درصد است. اما درصد خطای تشخیص برای تمام گونهها در مرحله آزمایش بیش از 50 درصد شد. بنابراین از روش کلاسبندیی ترتیبی دوتایی طی چهار مرحله استفاده شد. در این روش 11 شبکه عصبی طراحی شد و از بین آنها 4 شبکه عصبی انتخاب گردید. نتایج نشان داد که به ترتیب در مرحله اول خارخسک، در مرحله دوم تاج خروس، در مرحله سوم خرفه به طور کامل شناسایی و از سایر گونهها تفکیک شد. همچنین در مرحله چهارم دو گونه سلمه تره و علف شور به طور کامل از یکدیگر جدا شدند.

برد الکترونیکی، شبکه عصبی، کلاسبندی، ویژگیهای آماری