人工神经网络参数调整对生物光谱识别的影响.pdfVIP

第23卷，第3期 光谱学与光谱分析 22 22王§盆§臣：譬盘盟驾皇§臣：型生幽： 2晋；三222 人工神经网络参数调整对生物光谱识别的影响 施伟杰，张铁强，郑咏梅 吉林大学南岭校区物理数学中心，吉林长春130025 摘要本文介绍了一种利用反向传播人工神经网络(BP-ANN)对生物可见光谱进行识男Ⅱ的方法。利用 r蛆)的光谱测量， 自组的光纤探头式光谱仪对苹果的疤痕和烂痕微区表面进行部分可见光范围(500～730 采用具有单隐层的BP_ANN对光谱数据进行分析，以便对生物表面性质实现自动识别。本文着重就神经网 络的输出值范围、训练方式、隐层数及不同程度的噪音信号等对神经网络识别精度的影响做了较为详尽的 讨论。 主题词人工神经网络；光谱分析；生物 中圈分类号：0235 文献标识码：A 文章编号：1000一0593【2003】03—0566—03 可以由更精密的测量仪器测量标准白板决定。 引言 分另U测量斑痕微区和正常微区处的光谱反射率p。(^) 光谱分析技术在许多领域有着广泛的应用，其识别方法 和“(^)，则相对光谱反射比陆(^)为 也有几种．如参数法、样本相关法等。近些年来，随着人工 以^)=2揣 (2) 神经网络模型的成熟、相关理论的完善，使人工神经网络越 来越多的得到科技工作者的关注。人工神经网络在光谱分析 将相对光谱反射比随波长分布的数据作为输入层结点的输入 与识别方面的研究已见报道【1’“。神经网络的非线性识别已 值，利用BP神经网络进行识别实验。 被证明是有效的方法。 2实验部分 本文利用反向传播人工神经网络(BP—ANN)对苹果疤 痕和烂痕的光谱进行了区分识别。着重分析了人工神经网络 2．1仪器装置 参数调整对光谱分析与识别的影响。 苹果微区光谱是在自组的光纤探头式光谱仪上完成的。 1识别原理 采样点。神经网络的模拟和计算是在奔腾二(32M内存， 客观诊断苹果疤痕和烂痕光谱的基础是疤痕和烂痕存在 如下光学图像的变化：一是斑痕的反射光谱相对于烂痕区域 5．3)中的神经网络工具箱编制。 的反射光谱发生了变化，因斑痕性质不同。导致明显发生相 2．2实验方法 对变化的光谱区间不同；二是斑痕的纹理和表面粗糙度因斑 本文使用具有单隐层的反向人工神经网络。输入层具有 痕性质不同有所变化，致使通过表面反射的光强度累积量不 47个神经元(又称为结点)，它们的输入值为苹果微区反射 同，通过检测反射光强度的相对值，可以构造苹果表面的形 光谱的相对强度。输出层神经元为1个。16个反射光谱作 状和粗糙度。 斑痕表面可以视为漫反射体，其光谱反射率P(^)由为网络的训练样本，另外10个反射光谱作为测试样本。神 经网络的训练采用迭代循环训练方式。 下式决定‘31 P(^)=，(^)·詈器 (1) 3实验结果 这里p。(^)是对标