سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۷

نویسنده(ها):

سمیه مهدوی جعفری –
سیامک طالبی –
امین رستمی – دانش آموخته دانشکده کشاورزی

چکیده:

در این مقاله یک سیستم هوشمند براساس شبکه های عصبی مصنوعی جهت تشخیص نوع پسته ( پوک سر بسته ، مغزین سر بسته وخندان )با دقت % ٩٩٫٨٩ طراحی شده است . ویژگیهای لازم جهت آموزش دادن شبکه عصبی از آنالیز سیگنالهای صوتی بدست می آید . سیگنالهای صوتی ازبرخورد هر کدام از ازاین نمونه ها با یک سطح فولادی استخراج می شوند. جهت حصول به پاسخ بهینه با دقت % ٩٩. ۸۹ از انواع آنالیزهای متداول پردازش سیگنال از جملهDWT و DCT،FFTاستفاده شده است .به منظور کاهش ابعاد نیز از ابزارPCA استفاده شده است . همچنین این آنالیزها برای شبکه های مختلف ( شامل تعداد لایه های مخفی متفاوت و تعداد نرون متفاوت در هر لایه ) مورد بررسی قرار گرفته اند تا نهایتاً پ اسخ بهینه بدست آمده است .درپایان نتایج شبیه سازی شده ارائه شده ارائه گردیده است که دقت بالا را نشان می دهد.