識(shí)別技術(shù)論文：花生外衣識(shí)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(shí)別技術(shù)論文：花生外衣識(shí)別技術(shù)思考范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

本文作者：仇阿根、熊利榮、趙陽(yáng)陽(yáng) 單位：中國(guó)測(cè)繪科學(xué)研究院、武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院、華中農(nóng)業(yè)大學(xué)工學(xué)院

花生仁的外衣完整性檢測(cè)是一種模式識(shí)別。根據(jù)影響花生仁外衣完整性的顏色特征參數(shù)，對(duì)花生仁外衣完整性進(jìn)行識(shí)別。在神經(jīng)網(wǎng)絡(luò)運(yùn)用領(lǐng)域里，算法的確定無(wú)法用一個(gè)完全標(biāo)準(zhǔn)，主要是靠經(jīng)驗(yàn)來(lái)選擇的。基于以上原因，花生仁外衣完整性檢測(cè)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)算法選擇BP算法［9］，該算法能實(shí)現(xiàn)輸入與輸出之間的非線性映射，對(duì)于樣本數(shù)量有限的情況也同樣適用。一個(gè)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(gè)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(cè)是一種模式識(shí)別。根據(jù)影響花生仁外衣完整性的顏色特征參數(shù)，對(duì)花生仁外衣完整性進(jìn)行識(shí)別。在神經(jīng)網(wǎng)絡(luò)運(yùn)用領(lǐng)域里算法的確定無(wú)法用一個(gè)完全標(biāo)準(zhǔn)的算法確定，主要是靠經(jīng)驗(yàn)來(lái)選擇的。基于以上原因，花生仁外衣完整性檢測(cè)神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)算法選擇BP算法。一個(gè)典型的BP網(wǎng)絡(luò)結(jié)構(gòu)(如圖3所示)通常具有一個(gè)或多個(gè)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?jiǎng)t采用logsig型傳遞函數(shù)。

BP識(shí)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(jì)如圖4所示。BP神經(jīng)網(wǎng)絡(luò)分類器由一個(gè)BP網(wǎng)絡(luò)訓(xùn)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(jì)算機(jī)，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(diǎn)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(gè)節(jié)點(diǎn);對(duì)應(yīng)于完整和破損這兩種判斷結(jié)果，分別用2位二進(jìn)制編碼為10和01。隱含層的節(jié)點(diǎn)數(shù)的確定非常重要，數(shù)目過(guò)少，網(wǎng)絡(luò)將不能建立正確的判斷界，使網(wǎng)絡(luò)訓(xùn)練不出來(lái)或不能識(shí)別以前沒有的樣本，且容錯(cuò)性差;而節(jié)點(diǎn)數(shù)目過(guò)多，學(xué)習(xí)時(shí)間長(zhǎng)，使網(wǎng)絡(luò)的泛化能力降低。本文通過(guò)多次反復(fù)訓(xùn)練網(wǎng)絡(luò)，確定隱含層節(jié)點(diǎn)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(lái)實(shí)現(xiàn)網(wǎng)絡(luò)建模。在神經(jīng)網(wǎng)絡(luò)工具箱中，對(duì)神經(jīng)網(wǎng)絡(luò)的名稱、類型、結(jié)構(gòu)和訓(xùn)練函數(shù)等參數(shù)進(jìn)行設(shè)置，如表1所示。

建立了BP神經(jīng)網(wǎng)絡(luò)并對(duì)網(wǎng)絡(luò)進(jìn)行初始化后，就可對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練了。將訓(xùn)練步數(shù)設(shè)為500步，將訓(xùn)練目標(biāo)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(biāo)表示本網(wǎng)絡(luò)的預(yù)置訓(xùn)練步數(shù)，縱向坐標(biāo)表示本網(wǎng)絡(luò)的預(yù)置訓(xùn)練誤差，水平橫線表示期望的目標(biāo)誤差，誤差變化曲線如圖5所示。由圖5可知，當(dāng)網(wǎng)絡(luò)訓(xùn)練到170步時(shí)，網(wǎng)絡(luò)誤差已經(jīng)達(dá)到期望的目標(biāo)值0．01，訓(xùn)練即可停止。

本文采用BP神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)視覺技術(shù)相結(jié)合的手段，建立了一個(gè)花生外衣完整性判別系統(tǒng)。實(shí)驗(yàn)證明，判別準(zhǔn)確率達(dá)到87．1%。此系統(tǒng)很容易推廣在其他農(nóng)產(chǎn)品的檢測(cè)中，只需要改變輸入和輸出樣本數(shù)據(jù)，重新訓(xùn)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(yùn)用到農(nóng)產(chǎn)品的品質(zhì)檢測(cè)過(guò)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(gè)訓(xùn)練過(guò)程只用了6s，且本研究建立在靜態(tài)實(shí)驗(yàn)環(huán)境下，生產(chǎn)效率依然很低。如果要將此實(shí)驗(yàn)結(jié)果運(yùn)用生產(chǎn)實(shí)際，必須設(shè)計(jì)出配套的硬件分級(jí)設(shè)備，這將是后續(xù)研究的重點(diǎn)。