نویسندگان: اصغر محمودی ، سیمین خالصی ، عادل حسین پور ، علی اکبر علی پور
خلاصه مقاله:
در این تحقیق، یک سیستم آزمایشگاهی برای بررسی امکان استفاده از آزمون پاسخ آکوستیک برای جداسازی ژنوتیپ های گردوی سنگی و کاغذی مورد مطالعه قرار گرفت. تعداد 4000 گردو، از هر ژنوتیپ 2000 عدد، مورد آزمایش قرار گرفت و خصوصیات ژنوتی پها از تجزیه و تحلیل سیگنال دریافتی در حوزه زمان و فرکانس و کاربرد روش آماری تجزیه به مولف ههای اصلیPCA استخراج شد. در مجموع 47 ویژگی از ژنوتی پ گردوها انتخاب گردید که پس از نرمال شدن به عنوان بردار ورودی به ANN داده شد. بردار خروجی شبکه شامل 2 نرون برای دسته بندی ژنوتیپ ها بود. چندین مدل مختلفANN هر کدام با تعداد نرو نهای مختلف در لایه پنهان برای تعیین ساختار موردنظر آموزش داده شدند. تعداد نرون های لایه پنهان پس از آزمو نهای متعدد نظیر حداقل رسانی میانگین مربعات خطاMSE) و ضریب همبستگیr) 18 نرون انتخاب شد. مدل ANN با ساختار 2-18-47 برای جداسازی ژنوتیپ ها انتخاب گردید
کلمات کلیدی: ژنوتیپ گردو، تجزیه به مولفه های اصلی، شبکه عصبی مصنوعی، صوت.
خلاصه مقاله:
در این تحقیق، یک سیستم آزمایشگاهی برای بررسی امکان استفاده از آزمون پاسخ آکوستیک برای جداسازی ژنوتیپ های گردوی سنگی و کاغذی مورد مطالعه قرار گرفت. تعداد 4000 گردو، از هر ژنوتیپ 2000 عدد، مورد آزمایش قرار گرفت و خصوصیات ژنوتی پها از تجزیه و تحلیل سیگنال دریافتی در حوزه زمان و فرکانس و کاربرد روش آماری تجزیه به مولف ههای اصلیPCA استخراج شد. در مجموع 47 ویژگی از ژنوتی پ گردوها انتخاب گردید که پس از نرمال شدن به عنوان بردار ورودی به ANN داده شد. بردار خروجی شبکه شامل 2 نرون برای دسته بندی ژنوتیپ ها بود. چندین مدل مختلفANN هر کدام با تعداد نرو نهای مختلف در لایه پنهان برای تعیین ساختار موردنظر آموزش داده شدند. تعداد نرون های لایه پنهان پس از آزمو نهای متعدد نظیر حداقل رسانی میانگین مربعات خطاMSE) و ضریب همبستگیr) 18 نرون انتخاب شد. مدل ANN با ساختار 2-18-47 برای جداسازی ژنوتیپ ها انتخاب گردید
کلمات کلیدی: ژنوتیپ گردو، تجزیه به مولفه های اصلی، شبکه عصبی مصنوعی، صوت.
شناسایی صوتی ژنوتیپ های گردو به کمک شبکه های عصبی مصنوعی