پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,991,139 |
| تعداد دریافت فایل اصل مقاله | 89,660,434 |
تشخیص آهنگ عبور مواد گرانوله با استفاده از تحلیل صدا و روش‌های آماری چند متغیره | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 4، دوره 47، شماره 3، آبان 1395، صفحه 425-430 اصل مقاله (767.1 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2016.59348 | ||
| نویسندگان | ||
| قاسم بهرامی1؛ سجاد کیانی* 2 | ||
| 1دانشگاه شیراز | ||
| 2دانشگاه تربیت مدرس- گروه مهندسی مکانیک بیوسیستم | ||
| چکیده | ||
| یکی از موضوعات مهم در ماشینهای کشاورزی و انبارهای ذخیره مواد دانهای، اندازهگیری مقدار جریان عبوری این مواد میباشد. هدف از این تحقیق، اندازهگیری نرخ عبور مواد دانهای (گندم) با استفاده از صدای ایجاد شده حین انتقال این مواد میباشد. به همین منظور دستگاهی متشکل از مخزن، موزع، لوله سقوط، حسگر صدا و محرک الکتریکی موزع ساخته شد. نرخهای جرمی مختلف گندم از لوله سقوط گذرانده و سیگنال صوتی حاصل توسط حسگر به جعبه ابزار استحصال داده منتقل گردید. با استفاده از تبدیل موجک سیگنالها، خصوصیات فرکانسی هر سیگنال استخراج گردید. سپس توسط شبکه‌های عصبی مصنوعی پرسپترون چند لایه (MLP) و روش آنالیز تشخیصی، میزان توانایی سامانه برای طبقهبندی مقادیر مختلف دبیها عبوری بررسی گردید. نتایج نشان داد که روش آنالیز تشخیصی با دقت بالاتری (%97) نسبت به روش شبکه عصبی مصنوعی طراحی شده (دقت %89 و 877/0R2=) قادر به تمایز دبیهای جرمی متفاوت میباشد. | ||
| کلیدواژه‌ها | ||
| نرخ عبور؛ مواد دانه‌های؛ پردازش صدا؛ تبدیل موجک؛ کشاورزی دقیق | ||
| عنوان مقاله [English] | ||
| Flow Rate Determination of Granular Material by Using Sound and Multivariate Data Analysis | ||
| نویسندگان [English] | ||
| Ghasem Bahrami1؛ sajad Kiani2 | ||
| چکیده [English] | ||
| In this study, using sound created by wheat grain passing through a pipe, wheat flow rate was measured. The developed device consists of a hopper, metering device, sound sensor, delivery tube, DC motor and power supply. Several wheat mass flow rates were tested and the sound signal created by the passage of the grain through the discharge tube was measured and transferred to a computer using Data Acquisition Card (DAC). Utilizing MATLAB signal processing toolbox and wavelet transfer functions, it was possible to extract frequency characteristics of the sound signals used as distinguishing features of the different flow rates. Artificial Neural Networks-Multilayer Perceptron (ANN-MLP) and Discriminate Analysis (DA) were used to classify different wheat flow rates. Results showed that by using DA and ANN-MLP it was possible to determine the wheat flow rates with 97% and 89% accuracy from each other respectively. | ||
| کلیدواژه‌ها [English] | ||
| flow rate, wheat grain, sound processing, Wavelet transform, precision farming | ||
| مراجع | ||
|
Armstrong, P.R., Zapp, H.R., & Brown, G.K. (1990) Impulsive excitation of acoustic vibrations in apples for firmness determination. Transactions of the ASAE, 33 (4), 1353-1359. Cetin, A.E., Pearson, T.C., & Tewfik, A.H. (2004) Classification of closed and open shell pistachio nuts using voice-recognition technology. Transactions of the ASAE, 47, 659-664. De Ketelaere, B., Couck, P., & Baerdemaeker, J. (2000) Eggshell crack detection based on Acoustic resonance frequency analysis. Journal of Agricultural Engineering Reserch, 76(2), 157-163. Dousti, A., Ghazanfari, M.E., Maleki, E., Mahmodi, M. (2001) Walnut unfilled diagnosis using sound analysis and artificial neural network. The first national conference on strategies to achieve sustainable agriculture. (In Farsi) Garsia-Ramos, F.J., Ortiz-Canavate, J., Ruiz-Altisent, M., Diez, J., Flores, L., Homer, I., & Chavez, J.M. (2003) Development and Implementation of an on-line impact sensor for firmness sensing of fruits. Journal of Food Engineering, 58, 53-57. Iglesias, B.D., Ruiz-Altisent, M., & Barreiro, P. (2004) Detection of Internal Quality in Seedless Watermelon by Acoustic Impulse Response. Biosystems Engineering, 88(2), 221–230. Kia, M. (2000). Artificial Neural Networks in Matlab. ZANIS-Persian Gulf Publication. Mc,Cambridge, M.A., Hung, Y.C., & Mallikarjunan, P. (1996) Detection of freeze–crack using digital signal processing. Applied Engineering in Agriculture, 12(4), 481-485. Mahmoudi, A., Omid, M., Aghagolzadeh, A., & Borgayee, A.M. (2006) Grading of Iranian's export pistachio nuts based on artificial neural networks. International journal of agriculture & biology, 8(3), 371-376. (In Farsi) Sajadi, S.J, Ghazanfari, A., Rostami, A. (2008) Using sound analysis and artificial neural networks to Pistachio sorting. Fifth National Congress on Agricultural Machinery Engineering and Mechanization. (In Farsi) Pearson, T.C. (2001) Detection of pistachio nuts with closed shells using impact acoustics. Applied Engineering in Agriculture, 17(2), 249-253. Pearson. T.C., Cetin, A.E., & Tewfik, A.H. (2005) Detection of insect damaged Whet kernels by impact acoustics. International Conference on Acoustics, Speech and Signal Processing, 7(5), 7803-8874.
| ||
|
آمار تعداد مشاهده مقاله: 825 تعداد دریافت فایل اصل مقاله: 882 |
||