مقایسه کارآیی مدل‌های شبکه عصبی مصنوعی و اَنفیس در درجه‌بندی آکوستیک ارقام مختلف بادام

با توجه به امکان مخلوط‌شدن انواع بادام سنگی، نیمه‌کاغذی و کاغذی با ارزش اقتصادی متفاوت پس از برداشت محصول، استفاده از یک سامانه جداکننده موثر برای عرضه محصولی یکنواخت به بازار فروش، اهمیت بسزایی دارد. در این پژوهش با به‌کارگیری سامانه آکوستیکی برای درجه‌بندی ارقام بادام در سه طبقه بادام سنگی، نیمه‌کاغذی و کاغذی، سیگنال صوتی حاصل از سقوط و برخورد هستة بادام با صفحه فولادی، با استفاده از یک میکروفون دریافت شد و ویژگی‌هایی نظیر دامنه، فاز و چگالی طیف توان پس از پردازش سیگنال‌ها در حوزه زمان و با تبدیل فوریه سریع در حوزه فرکانس استخراج گردید. برای تشخیص و طبقه‌بندی سیگنال‌های صوتی، تکنیک‌های هوش مصنوعی، شامل شبکه عصبی مصنوعی و استنتاج فازی- عصبی تطبیقی (انفیس) به‌کار گرفته شد و کارآیی آن‌ها از نظر دقت مورد مقایسه قرار گرفت. شبکه عصبی مورد استفاده، از نوع پرسپترون چندلایه با الگوریتم پس انتشار خطا و تابع یادگیری لونبرگ- مارکوارت (lm) بود. در طبقه‌بندی با مدل انفیس، به دلیل محدودیت این مدل در تعداد ورودی‌ها، از سه مولفه اصلی چگالی طیف توان که از اولویت بالاتری برخوردار بودند، به‌عنوان ورودی و از تکنیک شبکه‌ای با روش بهینه‌سازی هیبرید برای آموزش استفاده شد. در مقایسه کارآیی دو تکنیک هوش مصنوعی در درجه‌بندی ارقام بادام، مدل شبکه عصبی مصنوعی با میانگین دقت طبقه‌بندی 96/2 درصد نسبت به مدل انفیس با میانگین دقت 81 درصد، از عملکرد بهتری برخوردار بود.