PCA和改进BP神经网络的大米外观品质识别.pdf

第20卷第4期 哈尔滨理工大学学报 VoL20No．4 OFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGY 2015年8月 JOURNAL Aug．2015 PCA和改进BP神经网络的大米外观品质识别 仲伟峰， 马丽霞， 何小溪 (哈尔滨理工大学自动化学院，黑龙江哈尔滨150080) 摘要：为了研究大米品质的优劣，采用主成分分析算法和BP神经网络相结合的方法对大米 米粒进行识别．将米粒的特征变量进行主成分分析以提取代表性的主成分分量，将获得的主成分作 为输入神经元来建立自适应BP神经网络进行学习，并将训练完毕的神经网络用于实际过程中的 大米品质判别，同时采用附加动量法和自适应调整速率策略优化网络结构．仿真和实验结果表明， 此方法可以使得大米识别的准确度达到95％以上并且有效的减少识别所需时间． 关键词：大米品质识别；PCA算法；BP神经网络 DOI：10．15938／j．jhust．2015．04．015 中图分类号：TP391．4文献标志码：A Rice BasedonPCAand AppearanceQualityRecognition BPNeuralNetwork Improved ZHONG MA Xiao-xi Wei-feng，Li—xia，HE of ofScienceand (SchoolAutomation，HarbinUniversity Technology，Harbin150080，China) termsofthe andconsofrice methodthatcombinestheBPneural Abstract：In pros quality，therecognition networkwith is to a· PCA(PrincipalComponentAnalysis)algorithmproposedrecogniserice．Principal component is to thericecharacteristicvariablesSOthat Canbeextrac— nalysisadoptanalyze representativecomponent principal ted．Then the BPneuralnetworkistrainedtolearnthatwith asits adaptive principalcomponent trainedneuralnetworkis to used rice inactual additional recognizequality manipulationprocess，meanwhile，the momentummetho