تشخیص پسته‌های پوک از مغزدار با استفاده از انعکاس و پردازش صدا در دو حوزه زمان و فرکانس

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد

2 دانشیار دانشگاه شهید باهنر کرمان

3 استادیار دانشگاه شهید باهنر کرمان

4 دانشجوی 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. 

کلیدواژه‌ها


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)