BP人工神经网络在稻米储藏质量评估中的应用.pdfVIP

2014年4月 中国粮油学报 Vo1．29，No．4 第29卷第4期 Journal oftheChineseCerealsandOilsAssociation Apr．2014 BP人工神经网络在稻米储藏质量评估中的应用 曹冬梅 张东杰 鹿保鑫 翟爱华 (黑龙江八一农垦大学食品学院，大庆 163319) 摘 要 为及时准确的了解稻米储藏全程质量变化情况，预测储藏品质。对实验室室温储藏大米每 15d 检测其脂肪酸值，还原糖、黏度值作训练样本，采用基于反向传播算法的人工神经网络建立了稻米储藏品质的 模型，预测大米的脂肪酸值，还原糖和黏度随时间变化的规律，通过试验验证，确定了预测模型具有较高的评 价精度、较低 的误差率。应用Matlab软件试验 ，评价准确度达99．8％。 关键词 BP神经网络 预测分析 脂肪酸值 还原糖 黏度 中图分类号：TS227 文献标识码：A 文章编号：1003—0174(2014)04—0108—05 大米在储藏过程中，因为没有谷壳的保护，胚乳直 响应来进行信息处理。其实质是输入转化成输出的 接暴露在空气中，极易受湿、热、虫、霉的影响而变质， 一 种数学表达式，这种数学关系由网络的结构来确 不仅影响了大米的食味品质。而且关系到大米储藏的 定 ，ANN所包含的大量神经元可分为输入层、隐层 安全。因此如何准确、快速地预测和监控大米质量指 和输出层的多层结构。输入、输出层为单层，神经元 标对大米储藏和品质影响具有十分重要的意义。 数(也称节点数)分别由输入、输出变量的数 目确定； 人工神经网络 (ANN，ArtificialNeuralNetworks) 隐层可以是单层也可以是多层。隐层层数与各隐层 是一种应用类似于大脑神经突触联接的结构进行信 节点数的确定比较复杂，一般应以获得最优网络性 息处理的数学模型。在工程与学术界也常直接简称 能为 目标，根据所研究的具体问题，按经验或作尝试 为神经网络或类神经网络。由大量的节点 (或称神 比较确定。误差反向传播网络(BackPropagation，BP 经元)相互联接构成。每个节点代表一种特定的输 网络)是人工神经网络的重要模型之一，基本的BP 出函数，称为激励函数 (activationfunction)。每2个 网络拓扑结构见图1。 节点间的连接都代表一个对于通过该连接信号的加 权值，称之为权重，这相当于人工神经网络的记忆。 网络的输出则依网络的连接方式，权重值和激励函数 的不同而不同。而网络 自身通常都是对 自然界某种算 法或者函数的逼近 J。因此具有强大的信息处理能 力，在进行数值的监控、预测方面更具有明显的优势。 输入层 隐含层 输 层 通过检测大米样本的脂肪酸值、还原糖、黏度， 图1 BP网络拓朴结构 并以其检测值作为训练样本，建立基于反向传播算 ANN是一种新型的黑箱方法，与传统的线性或 法的人工神经网络 (BP网络)的大米储藏品质模型， 非线性回归方法相比，它具有以下优点 J：ANN具有 实现准确、快速预测与监控大米的品质随时间变化 学习能力；ANN是一个复杂非线性系统，对于非线性 的规律，保证大米的食用品质和安全性。 系统具有较好的处理能力，包括模拟、优化和控制； ANN是一种并行运算系统，与串行运算相比具有较 1 人工神经网络及 BP算法 高的运算速度，响应时间较短，可以满足在线模拟、 人工神经网络是由人工建立的以有向图为拓扑 在线优化、自适应控制的需要。 结构的动态系统，通过分析连续或断续输入的状态 基金项