دستگاه‌هایی که برای جداسازی پسته مورد استفاده قرار می‌گیرند حجیم بوده، انرژی زیادی مصرف می‌نمایند و چندان دقیق نیستند. در این پژوهش یک دستگاه هوشمند مبتنی بر انعکاس صدا طراحی و برای جداسازی پسته پوک از پسته‌های مغزدار مورد استفاده قرار گرفت. برای ارزیابی دستگاه، پسته به طور جداگانه با فواصل 1، 3 یا 5 سانتی‌متر بر روی یک نوار نقاله قرار داده شدند تا از دو ارتفاع 25 و 35 سانتی‌متری بر روی یک صفحه فولادی سقوط کنند. سپس انعکاس صدای برخورد پسته‌ها با صفحه توسط یک میکروفن گرفته و به رایانه منتقل گردید. سیگنال‌های صدای ضبط شده مورد پردازش "تبدیل موجک" قرار گرفته و بردارهای مشخصات مناسب از آنها استخراج شد تا از شبکه عصبی پرسپترون چند لایه (MLP) جهت تشخیص این دو نوع پسته استفاده شود. مجموعا 280 شبکه سه لایه با ساختارها و الگوریتم‌های آموزش مختلف توسط نرم افزار MATLAB 7.4 مورد بررسی قرار گرفتند. در نهایت شبکه عصبی با ساختار 2-6-20 برای تشخیص پسته‌های پوک از مغزدار انتخاب شد. نتایج نشان دادند که میانگین دقت جداسازی دو گروه با شبکه عصبی آموزش داده شده از ارتفاع 25 سانتی‌متر 96% و از ارتفاع 35 سانتی‌متری 87% بود. با آموزش جداگانه شبکه برای هر گروه پسته، دقت جداسازی برای پسته پوک 98 درصد و برای پسته‌های مغزدار 94 درصد به دست آمد. قرار دادن پسته‌ها در فواصل 1، 3 یا 5 سانتی‌متری بر روی تسمه نقاله دستگاه تاثیری در دقت جداسازی نداشت.