基于级联人工神经网络的生物表面光谱识别方法.pdfVIP

第28卷，第5期 光谱学与光谱分析 V01．28，No．5，pp983—987 200 and 8年5月 SpectroscopySpectralAnalysis May，2008 基于级联人工神经网络的生物表面光谱识别方法 施伟杰1，姚 勇1，张铁强2，孟宪江3 1．哈尔滨工业大学深圳研究生院激光信息技术研究中心，广东深圳 518055 2．吉林大学物理学院，吉林长春130025 3．吉林大学通信学院，吉林长春130025 摘要提出了一种利用多级级联人工神经网络对生物表面微区的可见光光谱进行识别与分类的方法。该 方法利用自组装光纤探头式光谱仪对苹果表面微区500～730nlTl范围内的可见光光谱进行测量，光谱间隔 5rln2，记录光谱测量数据并依据光谱测量数据建立由三个单隐层、四十七个输入、单输出的人工神经网络级 联而成的光谱识别系统。实验表明该级联系统可以对苹果的烂痕、疤痕、碰痕的反射光谱进行准确识别，在 5％和15％的噪声影响下其识别准确率分别能达到97％和85％以上，克服了单级人工神经网络识别准确率 不高、抗噪声能力差等缺点。最后文章提出了一种识别结果的隶属度表示法，该方法借鉴模糊数学中隶属度 的概念，可以实现对识别结果客观、准确的表征。 关键词级联神经网络；生物光谱；隶属度；模式识别 中图分类号：0235．0433．4文献标识码：A 文章编号：1000-)593(2008}05-0983-05 该识别系统的基础上提出一种识别结果的表征方法，以客观 引 言 准确的对识别结果进行表征。 光谱分析技术是根据某一物质成分对电磁波的吸收特性 1识别原理 而进行的定性、定量分析技术。由于光谱分析技术具有分析 速度快、精度高、结果稳定、无破坏等优点，在化工、农业、 苹果表皮斑痕按其产生的原因可以分为三类，即碰伤、 医学等领域得到越来越广泛的应用[1]。光谱识别是光谱分析 烂痕和疤痕。一般而言，碰伤指的是苹果受到外力的挤压或 技术的一个重要内容，传统的光谱识别方法包括参数法、线 碰撞导致的表皮及表皮以下浅层组织结构被破坏从而在表皮 性回归法、样本相关法等。这些方法主要通过数理统计和数 微区内显示出与其周围表皮不同的斑痕；烂痕是指苹果由于 学建模等算法实现光谱的识别与分类，普遍存在识别算法复 果肉受到细菌等微生物的侵害由里而外的腐烂变质反映到表 杂、非线性识别准确率不高、识别模型的泛化能力差等缺 皮上的斑痕；疤痕主要指由于某种病变、昆虫等动物的侵入 点。随着人工神经网络模型的成熟、相关理论的完善，人工 或者表皮受到物理的伤害破裂后生物体进行自行修复后在表 神经网络在非线性模式识别方面的表现备受科技人员的关 皮上产生的斑痕。客观诊断苹果表面烂痕、疤痕、碰痕等斑 注。在光谱识别系统中引入人工神经网络也已有报道m]。 痕光谱的基础是斑痕的光谱存在着如下的特征：一是斑痕的 由于通常待分类样本种类多、光谱数据较为复杂，采用传统 反射光谱相对于正常区域的反射光谱发生了变化，且因斑痕 单级、单输出BP人工神经网络作为光谱识别系统时，其识 性质的不同，导致明显发生相对变化的光谱区间有所不同； 别结果的输出数值空间的限制将导致样本光谱识别系统抗噪 二是斑痕的纹理和表面粗糙度因斑痕性质不同变化，致使通 声能力较差、识别准确率低。作为一种改进，单级、多输出 过表面反射的光强度累积量不同，因此通过检测反射光强度 BP人工神经网络部分克服了单输出人工神经网络的上述缺 的相对值，可以构造苹果表面的纹理和粗糙度。 点，但由于其输出神经元的增多使得网络训练及训练收敛速 斑痕表面可以视为漫反射体，其光谱反射率lD(A)由下式 度较慢Ⅲ．