از کارنده نیوماتیکی به طور گسترده برای کشت دقیق بذور سورگوم و خیار استفاده می شود. عملکرد و دقت پخش موزع نیوماتیکی از اهمیت زیادی برخوردار است. بنابراین آزمایشاتی در سه مکش 25، 35 و 45 میلی بار و دو سطح سرعت پیشروی 3 تا 4.5 و 6 تا 8.5 کیلومتر بر ساعت انجام و شاخص چندگانه، کیفیت تغذیه و نکاشت اندازه گیری شد. در ضمن، یک مدل حرکتی با استفاده از کالمن برای ردیابی ساخته و رفتارهای بذور ترسیم گردید. بر اساس تجزیه و تحلیل رفتارهای سقوط بذر، مشخص شد که یک رابطه نزدیکی بین رفتارهای سقوط بذر و یکنواختی کاشت وجود داشت. سطوح بهینه مکش و سرعت پیشروی کشت دقیق برای بذور خیار و سورگوم در مکش 35 میلی بار و سرعت 3 تا 4.5 کیلومتر بر ساعت به دست آمد. در نهایت مشخص گردید که با افزایش سرعت و در مکش نامناسب، درصد انحراف بذور از مسیر مستقیم بیشتر شده که این مساله سبب کاهش یکنواختی می گردد.

In this paper, an alternative approach in operational modal analysis is presented, utilizing image processing technique and transmissibility functions. Imaging sensors do not impose additional mass on the structure due to their non-contact nature, while transmissibility functions, independent of excitation type, can directly extract mode shapes. The innovation of this research lies in combining these two techniques to record dynamic responses and identify modal properties. To capture the temporal response history from Video signals, the block-matching method with sub-pixel accuracy was employed. Validation was conducted by recording the response of the tip of a cantilevered steel beam subjected to impact excitation, using a high-speed camera and a laser vibrometer, simultaneously. The RMSE plots in the time domain and the PSD in the frequency domain indicate high accuracy of this method. Using this approach, the displacement time histories of various points on the structure were extracted from the Video signals, and the modal properties, including natural frequencies, damping ratios, and mode shapes, were identified using the transmissibility matrix method. The results obtained from the proposed method were compared with the stochastic subspace identification (SSI) method and analytical solutions. The findings reveal the accuracy of the modal identification approach introduced in this article. The highest relative error in estimating the natural frequencies of the first and second modes, compared to the values from the laser method, are 0.19% and 0.13%, respectively, and in comparison to the analytical values, they are 0.34% and 1.5%, respectively.

علف هرز به دلیل رقابت با محصولات کشاورزی برایدستیابی به آب، مواد مغذی، نور خورشید و. . . باید از مزرعه حذف شود. روش های مختلفی برای مبارزه با علف های هرز وجود دارد مانند روش های مکانیکی، دستی و استفاده از علف کش ها که در میان کشاورزان، امروزه کاربرد علف کش ها رایج تر است اما این کار به دلیل استفاده ی یکسان در کل مزرعه، به آلودگی زیست محیطی انجامیده است. در این مطالعه، یک سیستم ماشین بینایی مبتنی بر پردازش ویدئو بهمنظور شناسایی علف هرز چاودار از گیاه سیب زمینی جهت پاشش بهینه ی علف کش پیشنهاد شده است. پس از فیلم برداری، پیش پردازش و قطعه بندی، 965 شیء شناسایی شد. از هر شیء، 14 خصوصیت استخراج شد. با استفاده از روش فراابتکاری هیبرید شبکه ی عصبی مصنوعی – الگوریتم ژنتیک از میان 14 خصوصیت استخراجی، 6 خصوصیت میانگین، ممان سوم، خودهمبستگی، همبستگی، عدم تشابه و آنتروپی به عنوان خصوصیات موثر انتخاب شدند. کل داده ها به دو دسته تقسیم شدند: داده های آموزش (70 درصد کل داده ها) و داده های تست و اعتبارسنجی (30 درصد کل داده ها). با استفاده از طبقه بند هیبرید شبکه ی عصبی-مصنوعی – الگوریتم مبتنی بر جغرافیای زیستی، طبقه بندی انجام گرفت. با دو روش تحلیل ماتریس اغتشاش و بررسی نمودار ROC، عملکرد سیستم طبقه بند ارزیابی شد. سه معیار حساسیت، دقت و ویژگی با استفاده از ماتریس اغتشاش محاسبه شد. نتایج تحقیق نشان می دهد که میزان حساسیت، دقت و ویژگی سیستم طبقه بند به ترتیب بالای 99، 99 و 98 درصد است. می توان نتیجه گرفت که امکان ساخت سیستم ماشین بینایی با هدف ذکر شده که به صورت برخط کار می کند وجود خواهد داشت.

In traditional speech processing, feature extraction and classification were conducted as separate steps. The advent of deep neural networks has enabled methods that simultaneously model the relationship between acoustic and phonetic characteristics of speech while classifying it directly from the raw waveform. The first convolutional layer in these networks acts as a filter bank. To enhance interpretability and reduce the number of parameters, researchers have explored the use of parametric filters, with the SincNet architecture being a notable advancement. In SincNet's initial convolutional layer, rectangular bandpass filters are learned instead of fully trainable filters. This approach allows for modeling with fewer parameters, thereby improving the network's convergence speed and accuracy. Analyzing the learned filter bank also provides valuable insights into the model's performance. The reduction in parameters, along with increased accuracy and interpretability, has led to the adoption of various parametric filters and deep architectures across diverse speech processing applications. This paper introduces different types of parametric filters and discusses their integration into various deep architectures. Additionally, it examines the specific applications in speech processing where these filters have proven effective.

مقدمه: صرع میوکلونیک جوانان یک سندرم صرعی منتشرشونده می باشد که سن شروع آن عمدتا 12 تا 18 سالگی می باشد. این سندرم از لحاظ بالینی از پرش های میوکلونیک، تشنج های تونیک - کلونیک منتشرشونده و تشنج های غیابی تیپیک تشکیل گردیده است. تشخیص این سندرم در برخی موارد با دشواری رو به رو شده و با اشتباه در تشخیص و تجویز داروهای نامناسب احتمال تشدید حملات وجود دارد. با استفاده از VEM می توان به تشخیص دقیق موارد مبهم کمک شایانی نمود. هدف این مطالعه ارزیابی نقش تشخیصی VEM در صرع های مقاوم به درمان بوده است.مواد و روش ها: این پژوهش به روش گذشته نگر و توصیفی بر روی بیمارانی که طی سال 1390 در بخش مغز و اعصاب بیمارستان رضوی مشهد با تشخیص صرع مقاوم به درمان جهت VEM بستری شده بودند انجام گردید. از بیماران جهت ارزیابی نتایج درمان مصاحبه تلفنی در فاصله زمان 6-18 ماه بعد از ترخیص انجام شد.یافته ها: از میان 250 بیمار که با سابقه ابتلا به صرع مقاوم به درمان بستری شده بودند، در مجموع 24 بیمار که با تشخیص نهایی صرع میوکلونیک جوانان ترخیص شده بودند، مورد مطالعه قرارگرفتند. 14 بیمار زن بوده و سن متوسط بیماران 24 سال و سن متوسط شروع بیماری 12.97 سالگی بود. حملات GTC قبل از انجام VEM، تعداد 2.76 حمله در ماه بود که بعد از انجام این تست و اصلاح درمان به 0.27 حمله در ماه رسید که کاهش معنی داری را نشان داد. میزان پلی تراپی نیز بطور معنی دار در بیماران بعد از انجام VEM کاهش یافت.نتیجه گیری: با انجام VEM در بیماران مبتلا به حملات کنترل نشده می توان مواردی را که بطور کاذب دچار صرع مقاوم به درمان شده اند تشخیص داد و با اصلاح برنامه درمانی، کاهش محسوسی در تعداد حملات آنها ایجاد کرد.