تخمین عملکرد دستگاه جداساز میز وزنی در جداسازی کاه و کلش از توده دانه گندم به کمک شبکه عصبی مصنوعی

ناخالصی‌های موجود در توده‌های دانه‌ای از عوامل تاثیرگذار در ارزش غذایی و اقتصادی محصول است. ناخالصی‌های موجود در توده گندم عامل تاثیرگذاری در افت کیفیت و بازارپسندی این محصول به شمار می‌رود. در این مطالعه به بررسی و مقایسه شبکه عصبی مصنوعی با دو نوع تابع یادگیری لونبرگ-مارکوآت و بیزین در پیش‌بینی میزان جداسازی کاه و کلش از توده دانه گندم پرداخته شد. از این رو داده‌های جداسازی کاه و کلش به کمک دستگاه جداساز میز وزنی به شبکه‌های عصبی شامل ساختارهای یک و دو لایه پنهان شبکه عصبی newff داده شد. در همین راستا شیب عرضی میز و شیب طولی میز در سه سطح، فرکانس نوسان میز و چهار سرعت هوای دمیده شده به میز در چهار سطح و دامنه نوسان میز در دو سطح به عنوان ورودی شبکه عصبی مصنوعی و درصد جداسازی کاه و کلش از توده گندم به عنوان خروجی شبکه عصبی مصنوعی انتخاب گردید. نتایج نشان داد شبکه عصبی مصنوعی با توپولوژی 1-12-8-5 و تابع یادگیری بیزین به همراه تابع فعال‌سازی لگاریتم سیگموئیدی با مقدار ضریب تبیین 947/0 و مقدار مجذور میانگین مربعات خطای 825/76 شرایط مناسب برای پیش‌بینی میزان جداسازی کاه و کلش از توده دانه گندم را دارد.