بخشی از مقاله
چکیده
در این پژوهش به بررسی پوکی پسته که از محصولات مهم آجیلی میباشد پرداخته شد که از مهمترین مشکلات محصولات آجیلی به شمار میآید. دستگاههایی که در حال حاضر برای جداسازی پستههای پوک از مغزین استفاده میشوند دارای معایبی هستند. از جمله این معایب میتوان به بالا رفتن احتمال آلوده شدن پستهها، انرژی مصرفی بالا، دقت جداسازی پایین، حجم زیاد دستگاهها، و تولید سر و صدای زیاد و ایجاد گرد و غبار فراوان اشاره کرد . بررسی فناوری نوینی برای جداسازی این محصول آجیلی پوک از مغزدار و تشخیص ویژگیهای فیزیکی این محصول، با تکیه بر روشهای آنالیز صدا و شبکه عصبی کارآمد میباشد . اجزای سیستم پردازش صدای برخورد شامل تولید صدا، ضبط انعکاس صدا، تبدیل سیگنال آنالوگ به دیجیتال، مشاهده، ذخیره و پردازش صدای برخورد، تشخیص نوع صدا میباشد.
همچنین تولید صدا باید بدون سرش و به صورت مطالعه چرخش همه جهته پسته باشد، بنابراین سطح صداساز مورد استفاده از سطوح مارپیچ انتخاب شد تا پسته حین پایین آمدن، حول تمام محورهای خود دوران کند. بخش نرم افزاری و کدنویسی برنامه ضبط صدای پسته، در محیط برنامهنویسی نرمافزار MATLAB انجام گردید. سپس نتایج بدست آمده از آنالیز صدا، در بخش شبکه عصبی بررسی شد. از شبکه عصبی پس انتشار جهت جداسازی استفاده شد. این شبکه توانست با دقت 99/75 درصد پستههای پوک را از مغزدار جداسازی نماید.
کلمات کلیدی: آنالیز صدا، پسته، پوکی، شبکه عصبی، جداسازی.
مقدمه
یکی از مهمترین محصولات آجیلی و میوههای خشکباری در ایران پسته میباشند. پسته درختی است که به گفتهای بومی آسیای مرکزی و به گفته دیگر بومی آسیای غربی و آسیای صغیر شناخته شده است. چنانکه هم اکنون گونههای خودرویی از آن در اغلب مناطق گرم و خشک بدون بارندگی و زمستانهای ملایم لبنان، فلسطین، سوریه، ایران، عراق، ترکیه، هند، جنوب اروپا و در نواحی کویری آسیای مرکزی و آفریقای شمالی کم و بیش دیده میشود . - 7 - بر اساس آمار فائو سطح زیر کشت پسته در ایران برابر با 280 هزار هکتار و میانگین تولید در سال اخیر بالغ بر 250 هزار تن پسته خشک بوده است.
در بین کشورهای جهان، ایران با داشتن بیش از 66 درصد کل اراضی زیر کشت پسته جهان مقام اول را به خود اختصاص میدهد. پسته ایران همچنین از نظر میزان تولید حائز رتبه نخست میباشد. صادرات پسته ایران نیز سالیانه حدود 80 درصد میزان تولید است که از نظر اقتصادی، منبع مهمی جهت کسب درآمدهای ارزی محسوب میشود. در سالهای اخیر سطح زیر کشت پسته به طور گستردهای افزایش یافته و در استان های کرمان، یزد، سیستان و بلوچستان، سمنان، خراسان و فارس مناطق وسیعی به کشت این محصول اختصاص یافته است . - 10 - پستهای که هماکنون در دسترس است بهنام Pistacia vera.L. از خانوادهAnacardiaceae ، تنها گونه تجاری و قابل خوردن پسته میباشد که در بین یازده گونه دیگر شناسایی شده است.
مشخصه عمده این رقم تولید مادهای بنام سقز - تربانتین - است. درختان پسته تجاری از درختان معتدله خزانکننده هستند که ارتفاع بعضی از آنها به 8 متر میرسد و قطر تاج گسترده آنها حتی به 10 متر نیز می رسد. محصول پسته از نظر گیاهشناسی جزو میوههای هستهدار مانند هلو، زرد آلو، بادام، گیلاس و آلو است که هریک از سه لایه درونی، میانی و بیرونی شامل هسته، گوشت و پوست تشکیل شدهاند. با این تفاوت که قسمت خوراکی پسته، بادام، فندق، گردو برخلاف سایر هستهدارها همان لایه دورنی یعنی هسته آنهاست. درخت پسته مانند درخت خرما دو پایه است. . - 10 - اختلالات پسته شامل ناخندان بودن، کم خندان بودن، پوک شدن و نارس بودن میباشد.
پسته ناخندان به پسته-ای گفته میشود که پوست سخت آن در جهت درز و برجستگی طولی به طور طبیعی و مکانیکی شکاف برنداشته باشد. پسته کم خندان به پستهای گفته میشود که فاصله دو لبه پوست سخت آن کمتر از 2 میلیمتر باشد. پوکی پسته به حالتی گفته میشود که مغز پسته کمتر از 25 درصد وزن پسته را شامل گردد. نارسی پسته به حالتی گفته میشود که رشد طبیعی مغز پسته در اثر عوامل مختلف کامل نشده و یا کوچک باقی مانده باشد، در این حالت مغز پسته کمتر از 47 درصد و بیشتر از 25 درصد وزن پسته را شامل میگردد. - 4 - در فرآوری پسته، جداسازی پسته های پوک و نارس از اهمیت زیادی برخوردار می باشد.
میزان وجود پسته پوک یکی از شاخص های قیمت گذاری در بازار است که هم برای تولید کننده و هم مصرف کننده از درجه بالایی از اهمیت برخوردار است. به نحوی که هر چه درصد پوکی در یک نمونه پسته بالا رود به همان میزان از قیمت آن کاسته می شود. حداکثر میزان مجاز تعداد پوکی در نمونه پسته 6 درصد کل دانه های پسته می باشد - . - 4 در حال حاضر در ترمینالهای فرآوری پسته از روشهایی مانند شناوری، پنوماتیک و حوض خشک برای جداسازی پسته-های پوک استفاده میشود.دستگاه هایی که در حال حاضر برای جداسازی پسته های پوک از مغزین استفاده می شوند دارای معایبی هستند.
از جمله این معایب می توان به بالا رفتن احتمال آلوده شدن پسته ها به سم افلاتوکسین، انرژی مصرفی بالا، دقت جداسازی پایین، حجم زیاد دستگاه ها، و تولید سر و صدای زیاد و ایجاد گرد و غبار فراوان اشاره کرد. با توجه به این معایب، هدف اصلی از این پروژه استفاده از روشی هوشمندی برای جداسازی پسته های پوک از مغزین می-باشد.غضنفری و همکاران - 1996 - از شبکه عصبی جهت طبقهبندی چهار رقم پسته ایران بر اساس مشخصات بدست آمده از شکل دو بعدی آنها استفاده نمودند. اجزای این دستگاه شامل جعبه صدا، میکروفن، نرمافزار پردازش سیگنال دیجیتال، مکانیسم انتقال و جداسازی پسته بود.
انعکاس صدای برخورد پسته با یک صفحه فولادی در حالت Offline از دو ارتفاع برخورد 25 و 35 سانتی متری توسط سیستم خودکار استحصال داده توسط میکروفن جمعآوری و به رایانه منتقل شده است. سیگنال های صدای برخورد را در دو حوزه زمان، فرکانس مورد پردازش قرار دادند و در هر حوزه بردارهای مشخصات مناسب را استخراج نمودند و از شبکه عصبی پرسپترون چند لایه - MLP - جهت جداسازی استفاده نمودند.پیرسون - 2001 - اولین کسی بود که روی امکان جداسازی پسته های خندان و غیرخندان بر مبنای پاسخ صوتی حاصل از ضربه تحقیق نمود. سامانه به نحوی طراحی شد که پستهها را به صورت تک تک روی سطح صداساز بیاندازد.
صوت حاصل از برخورد پسته با سطح، توسط میکروفن دریافت و پردازش شده و بر مبنای این که صدا مربوط به پسته دهان باز یا بسته است از هم جدا می شوند. خروجی میکروفن به کامپیوتر منتقل شده و با استفاده از یک کارت پردازشگر ورودی صدای آنالوگ را به دیجیتال تبدیل کرده و با استفاده از سه شاخص مختلف پستههای دهان بسته را از خندان جدا نمود. دقت جداسازیتقریباً%97 بود .محمودی و همکاران - 2006 - از شبکه عصبی برای طبقهبندی چهار رقم پسته ایران بر اساس آنالیز صدای انعکاس پسته در حوزه زمان و فرکانس استفاده نمودند، به این طریق که 40 ویژگی از واریتههای پسته بدست آمد و به عنوان ورودی به شبکه داده شد، در خروجی شبکه چهار نرون وجود داشت که بیانگر چهار واریته مختلف پسته بود.
شبکه استفاده شده از نوع پس انتشار بود. شبکه توانست با دقت بالاتر از 97 درصد واریتههای پسته را جداسازی کند.راط - 2003 - برای تولید صدای گردو طرحی ارائه نمود که صدای حاصل از غلتش اقتباس شده بدست میآمد که شامل یک پروفیل فولادی است که با تغییر مکان پایه بلندتر در راستای افقی، شیب سطح غلتش کم و زیاد میشود. تمام سطح داخلی پروفیل بوسیله پالیش سیمی رویهبرداری شد تا سطح خالص فولاد بصورتکاملاً براق اما در عین حال دارای تضرس شده و باعث شود تا گردو حداقل سرش را داشته باشد.محمودی و همکاران - 2008 - پنج ژنوتیپ گردو را با استفاده از تکنیک های شبکه عصبی شناسایی نمودند. به این صورت که از دو تکنیک شبکه عصبی پس انتشار - Feed forward back propagation - و خودسازمانده - Self organizing map - برای شناسایی این ژنوتیپها استفاده کردند.
ایوانی و همکاران - 1385 - برای تعیین ویژگی های کمی و کیفی گردو از صدای برخورد آن با یک صفحه صلب فولادی بهره جستند. آنها پس از ضبط صدای برخورد و انتقال آن به حوزه فرکانس توانستند طیف فرکانسی آن را استخراج نموده و روابط بین طیف فرکانسی و خواص فیزیکی گردو را بیابند .ایوانی - 1387 - برای بررسی مطالعه چرخش همه جهته گردو و تولید صدا بدون سرش طرحی به صورت مارپیچ معرفی نمود که به صورت مارپیچ و دارای شیب مناسب به سمت پایین بود. برای این منظور از ناودانی مارپیچ از جنس اسفنج استفاده نمود و برای تحریک صوتی گردو در مسیر حرکت آن چند نوع پیچ خودکار و پونزهائی قرار داد و برای جداسازی از شبکه عصبی پس انتشار استفاده نمود و دقت جداسازی به 99 درصد رسید.
مواد و روشها
در این پژوهش پسته از باغات یزد تهیه شد. اجزای سیستم پردازش صدای برخورد شامل تولید صدا، ضبط انعکاس صدا، تبدیل سیگنال آنالوگ به دیجیتال، مشاهده، ذخیره و پردازش صدای برخورد، تشخیص نوع صدا می باشد. چون تولید صدا باید بدون سرش و به صورت مطالعه چرخش همه جهته پسته باشد، سطوح مارپیچی طوری طراحی گردید که پسته را وادار کرده تا در حین پایین آمدن، حول تمام محورهای Z, Y, X خود دوران کند و تمام قسمتهای آن تولید صدا کند. صدای برخورد توسط میکروفن ضبط شده و به رایانه منتقل شده و با استفاده از کارت صدای نصب شده بر روی رایانه به سیگنال دیجیتال تبدیل شد.
برای آنالیز صدای برخورد از نرمافزار MATLAB 7.6 استفاده شد. سپس از شبکه های عصبی پس انتشار برای جداسازی پستههای پوک از مغزدار استفاده شد. پس از ضبط صدای برخورد، حدود سه ثانیه از هر سیگنال جهت پردازش و انتخاب بردار مشخصات مورد بررسی قرار گرفت. ابتدا سیگنالها یکسوسازی شدند. در مرحله بعد از هر سیگنال صدای برخورد، 11 بردار مشخصات جهت طبقهبندی توسط شبکه عصبی انتخاب شد. جهت انتقال سیگنال صدای برخورد از حوزه زمان به حوزه فرکانس از تبدیل سریع فوریه FFT استفاده می شود. پس از آنکه سیگنال ها توسط تبدیل سریع فوریه به حوزه فرکانس منتقل شدند از هر سیگنال صدای برخورد در حوزه فرکانس22 بردار جهت طبقهبندی توسط شبکه عصبی انتخاب شد. پس از پردازش سیگنال های صدا، بردارهای مشخصات انتخاب شده به منظور انتخاب ورودیهای مناسب برای شبکه عصبی MLP مورد استفاده قرار گرفتند. پس از بررسی الگوریتم های مختلف آموزش مشخص شد که الگوریتم آموزش پس انتشار نتایج بهتری را بدست میدهد. به منظور کاهش تعداد
