識別技術(shù)論文：花生外衣識別技術(shù)思考

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了識別技術(shù)論文：花生外衣識別技術(shù)思考范文，希望能給你帶來靈感和參考，敬請閱讀。

本文作者：仇阿根、熊利榮、趙陽陽 單位：中國測繪科學研究院、武漢大學資源與環(huán)境科學學院、華中農(nóng)業(yè)大學工學院

花生仁的外衣完整性檢測是一種模式識別。根據(jù)影響花生仁外衣完整性的顏色特征參數(shù)，對花生仁外衣完整性進行識別。在神經(jīng)網(wǎng)絡(luò)運用領(lǐng)域里，算法的確定無法用一個完全標準，主要是靠經(jīng)驗來選擇的?；谝陨显颍ㄉ释庖峦暾詸z測神經(jīng)網(wǎng)絡(luò)的設(shè)計算法選擇BP算法［9］，該算法能實現(xiàn)輸入與輸出之間的非線性映射，對于樣本數(shù)量有限的情況也同樣適用。一個典型的BP網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。BP神經(jīng)網(wǎng)絡(luò)通常具有多個隱含層。本文中，隱層神經(jīng)元采用Sigmoid型傳遞函數(shù)，輸出層采用logsig型傳遞函數(shù)?；ㄉ实耐庖峦暾詸z測是一種模式識別。根據(jù)影響花生仁外衣完整性的顏色特征參數(shù)，對花生仁外衣完整性進行識別。在神經(jīng)網(wǎng)絡(luò)運用領(lǐng)域里算法的確定無法用一個完全標準的算法確定，主要是靠經(jīng)驗來選擇的?；谝陨显?，花生仁外衣完整性檢測神經(jīng)網(wǎng)絡(luò)的設(shè)計算法選擇BP算法。一個典型的BP網(wǎng)絡(luò)結(jié)構(gòu)(如圖3所示)通常具有一個或多個隱層。其中，隱層神經(jīng)元通常采用Sigmoid型傳遞函數(shù)，而輸出層神經(jīng)元則采用logsig型傳遞函數(shù)。

BP識別系統(tǒng)是以BP神經(jīng)網(wǎng)絡(luò)分類器［10］為核心的系統(tǒng)，系統(tǒng)設(shè)計如圖4所示。BP神經(jīng)網(wǎng)絡(luò)分類器由一個BP網(wǎng)絡(luò)訓練子系統(tǒng)生成得到，圖像由CCD攝像頭獲得后，由圖像采集卡數(shù)字化輸入計算機，提取特征區(qū)域獲得顏色特征參數(shù)，這些參數(shù)輸入BP網(wǎng)絡(luò)即可得到分類結(jié)果。影響花生完整性的顏色特征參數(shù)為H，I和S，因此輸入層節(jié)點數(shù)等于3;網(wǎng)絡(luò)的輸出有兩種情況，即完好與破損，因此輸出層有2個節(jié)點;對應(yīng)于完整和破損這兩種判斷結(jié)果，分別用2位二進制編碼為10和01。隱含層的節(jié)點數(shù)的確定非常重要，數(shù)目過少，網(wǎng)絡(luò)將不能建立正確的判斷界，使網(wǎng)絡(luò)訓練不出來或不能識別以前沒有的樣本，且容錯性差;而節(jié)點數(shù)目過多，學習時間長，使網(wǎng)絡(luò)的泛化能力降低。本文通過多次反復訓練網(wǎng)絡(luò)，確定隱含層節(jié)點數(shù)目為40。本研究采用Matlab軟件及其神經(jīng)網(wǎng)絡(luò)工具箱來實現(xiàn)網(wǎng)絡(luò)建模。在神經(jīng)網(wǎng)絡(luò)工具箱中，對神經(jīng)網(wǎng)絡(luò)的名稱、類型、結(jié)構(gòu)和訓練函數(shù)等參數(shù)進行設(shè)置，如表1所示。

建立了BP神經(jīng)網(wǎng)絡(luò)并對網(wǎng)絡(luò)進行初始化后，就可對網(wǎng)絡(luò)進行訓練了。將訓練步數(shù)設(shè)為500步，將訓練目標誤差goal參數(shù)設(shè)置為0．01，結(jié)果如圖5所示。圖5中，橫坐標表示本網(wǎng)絡(luò)的預置訓練步數(shù)，縱向坐標表示本網(wǎng)絡(luò)的預置訓練誤差，水平橫線表示期望的目標誤差，誤差變化曲線如圖5所示。由圖5可知，當網(wǎng)絡(luò)訓練到170步時，網(wǎng)絡(luò)誤差已經(jīng)達到期望的目標值0．01，訓練即可停止。

本文采用BP神經(jīng)網(wǎng)絡(luò)與計算機視覺技術(shù)相結(jié)合的手段，建立了一個花生外衣完整性判別系統(tǒng)。實驗證明，判別準確率達到87．1%。此系統(tǒng)很容易推廣在其他農(nóng)產(chǎn)品的檢測中，只需要改變輸入和輸出樣本數(shù)據(jù)，重新訓練一下BP網(wǎng)絡(luò)，即可投入使用。因此，將BP神經(jīng)網(wǎng)絡(luò)運用到農(nóng)產(chǎn)品的品質(zhì)檢測過程中，具有巨大的潛力和廣闊的應(yīng)用前景。但必須指出的是，此方法高效可行，整個訓練過程只用了6s，且本研究建立在靜態(tài)實驗環(huán)境下，生產(chǎn)效率依然很低。如果要將此實驗結(jié)果運用生產(chǎn)實際，必須設(shè)計出配套的硬件分級設(shè)備，這將是后續(xù)研究的重點。