| تعداد نشریات | 285 |
| تعداد نشریات سازمان | 83 |
| تعداد شمارهها | 3,139 |
| تعداد مقالات | 34,918 |
| تعداد مشاهده مقاله | 50,383,235 |
| تعداد دریافت فایل اصل مقاله | 90,276,643 |
تشخیص پسته های پوک از مغزدار با استفاده از انعکاس وپردازش صدا در دو حوزه زمان و فرکانس | ||
| تحقیقات مهندسی صنایع غذایی | ||
| مقاله 8، دوره 9، شماره 3، آذر 1387، صفحه 123-134 اصل مقاله (269.15 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| امین رستمی1؛ احمد غضنفری مقدم* 2؛ سیامک طالبی3؛ سیدجواد سجادی4 | ||
| 1کارشناس ارشد | ||
| 2دانشیار دانشگاه شهید باهنر کرمان | ||
| 3استادیار دانشگاه شهید باهنر کرمان | ||
| 4دانشجوی کارشناسی ارشد دانشگاه شهید باهنر کرمان | ||
| چکیده | ||
| پسته مهمترین محصول صادراتی غیر نفتی ایران محسوب میشود؛ وجود پستههای پوک در میان پستههای مغزدار، باعث افت کیفیت و قیمت محصول میشود. در پایانههای فراوری پسته، معمولاً پستههای پوک را از پستههای مغزدار با روش شناوری در آب یا با استفاده از دستگاههای مکانیکی جدا میکنند که روشهای مکانیکی دقت بالایی ندارند و روش شناوری نیز احتمال انتقال قارچ را از پستههای آلوده به پستههای غیر آلوده بالا میبرد. در مقالة حاضر روشی مبتنی بر آنالیز انعکاس صدای برخورد پسته با صفحهای فولادی در دو حوزة زمان و فرکانس پیشنهاد شده است. برای این کار، دستگاهی مرکب از یک جعبة آکوستیک متصل به رایانة شخصی تهیه شد. ابتدا نمونههایی از دانههای پسته بر اساس اندازه به سه گروه درشت، متوسط، و ریز تفکیک و سپس هر گروه بر اساس وزن به دو گروه پوک و مغزدار تقسیم شد. انعکاس صدای هر برخورد از طریق میکروفن به رایانه منتقل و در دو حوزة زمان و فرکانس آنالیز شد. شناسایی رایانهای بر اساس روش نزدیکترین فاصله به میانگین صورت گرفت. بهترین نتایج برای گروه درشت بهدست آمد. در این جداسازی دقت 75/98 درصد برای تشخیص پستههای درشت پوک و 50/82 درصد برای تشخیص پستههای درشت مغزدار بهدست آمد. نتایج به دست آمده از دقت تشخیص برای گروههای دیگر نیز نسبتاً مناسب بود. حداقل دقت جداسازی برای دانههای متوسط مغزدار، معادل 75/62 درصد بهدست َآمد. | ||
| عنوان مقاله [English] | ||
| Identification of Full and Empty Pistachio Shells Using a Sound Processing Approach in Time and Frequency Domains | ||
| چکیده [English] | ||
| Pistachio nuts are the major non-oil export agricultural commodity in Iran. The existence of empty shells among the shells with kernels reduces the quality of the nuts and, consequently, their market value. In pistachio processing plants, empty shells are generally separated from shells with kernels by the flotation method. But this method is not precise and may encourage the growth of fungi in the nuts. This research investigated an identification method based on sound reflection analysis. A sample of pistachio nuts was divided according to size into large, medium and small groups. Each group was further divided into empty and full shells. A sound box and PC computer were prepared to detect and analyze the echoes of the impacts of each of the nuts as it drops onto a steel plate. The impact echoes were recorded and the echo signals analyzed in both time and frequency domains using a nearest distance classification approach. The best results were obtained for the large sized nuts with 98.75% accuracy for detecting empty shells and 82.8% for detecting full shells. The classification results were also good for other classes, with the lowest accuracy rating being 62.75% for medium-sized full shells. | ||
| کلیدواژهها [English] | ||
| Acoustics, Empty Shells, Shells with Kernels, sorting, Sound Processing | ||
| مراجع | ||
|
Cetin, A. E., Pearson, T. C. and Tewfik, A. H. 2004. Classification of closed and open shell pistachio nuts using voice-recognition technology. Trans. ASAE. 47(2): 659-664.
De Belie, N., Schotte, S., Lammeryn, J., Nicolai, B. and De Baerdemaeker, J. 2000. Firmness changes of fruit before and after harvest with the acoustic impulse response technique. J. Agric. Eng. Res. 77 (2): 183-191.
Diezma Iglesias, B., Ruiz-Altisent, M. and Barreiro, P. 2004. Detection of quality inseedlessWatermelon by acoustice impulse response. Bio. Eng. 88(2): 221-23.
Ghazanfari, A. and Irudayaraj, J. 1996. Grading pistachio nuts using a neural network approach. Trans. ASAE. 39(6): 2319-2324.H
Kashaninejad, M., Mortazavi, A., Safekordi, A. and Tabil, L. G. 2006. Some physical properties of pistachio (Pistacia vera L.) nut and its kernel. J. Food Eng. 72, 30-38.
Mahmoudi, A., Omid, M., Aghagolzadeh, A. and Borghayee, A. M. 2006. Grading of Iranian's export pistachio nuts based on artificial neural networks. Int. J. Agric. Bio. 3, 371-376.
Pearson, T. C. 2001. Detection of pistachio nuts with closed shells using impact acoustics. Appl. Eng. Agric. 17, 249-253.
Pearson, T. C. and Slaughter, D. C. 1996. Machine Vision detection of early split pistachio nuts. Trans. ASAE. 39(3): 1203-1207.
Pearson, T. C., Cetin, A. E. and Tewfik, A. H. 2005. Detection of insect damaged wheat kernels by impact acoustics. IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP. 5, 649-652.
Polat, R., Gezer, I., Guner, M., Dursun, E., Edogan, D. and Bilim, H. C. 2007. Mechanicalharvesting of pistachio nuts. J. Food Eng. 79, 1131-1135.
Proakis, J. G. and Manolakis, D. G. 1996. Digital Signal Processing. Prentice Hall, Inc. New Jersey. USA.
Rostami, A. 2007. Distinguishing blank from kernelled pistachio nuts by impact acoustics in time and frequency domain. M.Sc. Thesis. Dep. Agricultural Machinery Shahid Bahonar University. Kerman. Iran. (in Farsi) | ||
|
آمار تعداد مشاهده مقاله: 1,465 تعداد دریافت فایل اصل مقاله: 624 |
||