مقاله طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها دارای ۱۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله طراحی و ارزیابی سامانه ای هوشمند جهت تشخیص و طبقه بندی پرندگان بیمار بر اساس صدای آنها :

تعداد صفحات:۱۶
چکیده:
امروزه آزمون های غیر مخرب یکی از مفیدترین فناوری ها در زمینه ارزیابی و طبقه بندی در حوزه های مختلف به شمار میروند.در این مقاله روشی هوشمند به منظور طبقه بندی پرندگان از دیدگاه اندازه و سلامت آنها بر اساس صدای منتشره از آنها طراحی و به کار گرفته شده است. بدین منظور ابتدا پرندگان بر اساس وضعیت جسمانی خود به طبقات مختلف تقسیم و صدای هر یک توسط یک میکروفن و کارت داده برداری ثبت شد. سپس ۵ تابع ویژگی واریانس، انحراف از معیار، ریشه میانگین مربعات، میانگین و کورتسیس از سیگنال ها استخراج گردید. از این ویژگی ها که در واقع معیار مناسبی برای شناسایی سیگنال ها هستند، به عنوان ورودی شبکه عصبی مصنوعی استفاده شد. ابتدا شبکه عصبی مصنوعی با تعدادی تکرار مناسب از توابع ویژگی آموزش دادهشد تا ساختار و وزن های مناسب شبکه به دست آید. شبکه مذکور به وسیله یک سری داده جدید مورد آزمون قرار گرفت تا دقت آن در طبقه بندی پرندگان برآورد شود. در پژوهش حاضر از این سامانه هوشمند به منظور تشخیص و طبقه بندی اردکهای سالم و بیمار استفاده شد. روش مذکور توانست با دقت ۷۵ درصد اردکهای سالم را از اردکهای بیمار و ضعیف تمییز دهد. نتایج نشان میدهند که سامانه طراحی شده در این پژوهش در استفاده از صدای پرندگان به منظور طبقه بندی آنها تا ۷۵ درصد موفق بوده است. نتایج این پژوهش میتواند به عنوان روشی ساده و مطمئن جهت تشخیص پرندگان بیمار در واحدهای پرورش پرندگان مورد استفاده قرار گیرد.