امروزه کاربرد حسگرها ی مختلف در صنعت رو به افزایش است به عنوان مثال می توان حسگری معرفی کرد که با استفاده از روش پردازش صدا عمل نماید. در این تحقیق سیگنالهای صوتی مواد عبوری توسط روش پردازش صدا و شبکه عصبی چند لایه پرسپترون مورد تحلیل قرارگرفت و در نهایت بهترین الگوریتم یادگیری تعیین گردید به این منظور دستگاهی متشکل از مخزن، لوله عبور مواد، موزع، موتور الکتریکی، دستگاه ولتاژ متغیر و میکروفون ساخته شد. به عنوان نمونه سه دبی مختلف دانه برنج هر کدام به مدت 100 ثانیه از لوله عبور دستگاه گذرانده شد و سیگنال صوتی ناشی از عبور برنج توسط میکروفون به کامپیوتر منتقل گردید. این سیگنالهای عبوری توسط نرم افزار مطلب ضبط گردید و با استفاده از روش پردازش صدا خصوصیات فرکانسی آنها استخراج شد و به عنوان بردار ورودی در شبکه عصبی مصنوعی چند لایه پرسپترون استفاده گردید. این شبکه قادر است به خوبی دبی های عبوری مختلف را از هم متمایز کرده که با توجه به تحلیل های انجام شده بهترین الگوریتم یادگیری این شبکه عصبی الگوریتم یادگیری LM تعیین گردید.
