神经网络与线性回归在苹果含水率预测中的应用.pdf

20o8年2月 农业机械学报 第39卷第2期 神经网络和线性回归在苹果含水率预测中的应用* 张京平王 会 【摘要】 现阶段可用于农产品无损检测的模型很多，其中应用最广的是线性模型和神经网络模型。本文以山 东产富士苹果为试验对象，使用CT技术对富士苹果的含水率进行了预测。为了比较线性模型和神经网络模型在 预测富士苹果含水率应用中的效果，分别通过线性回归和神经网络进行了建模。研究发现，线性回归模型设计过 程较神经网络模型简单。但神经网络模型的精确度较高，可拓展性较强。 关键词：苹果含水率检测神经网络线性回归CT技术 中图分类号：sll+4 文献标识码：A 少。Ogawa等[7]使用CT技术检测食物中的杂质， 引言 用于农产品无损检测的模型很多，其中应用最 会梨进行区分。Bungo Henten 广的是线性模型和神经’网络模型。Van 雄性兔子为试验对象研究喉管的尺寸与骨骼和组织 等[1]使用线性模型，通过不同种子表皮与干燥质量 之间关系对比得出了质量面积比模型是较为精确的 技术检测材料的微观构成。张京平等[11】采用CT 模型，它对干燥质量的估算误差在5％左右。Zion扫描图像法，通过果蔬剖面CT图像，获得果蔬糖含 等[2]使用机器视觉的方法，建立了花束的质量和它 量的分布。本文通过神经网络和线性模型在CT无 的外观之间的多个线性关系的模型，通过对这些模 损检测富士苹果含水率中应用，对二者进行了比较。 型之间的比较，得出当花茎长为80cm时花束的衰 1试验方案 败速率最慢。Schofield等【3】以图像视觉为手段，对 兰德瑞斯猪的生长规律进行了线性建模，并用该模 1．1试验对象及设备 型对待测样本猪进行预测，结果发现该模型的平均 试验对象：红富士苹果，产地中国山东烟台。 预测误差在5％以内，当猪的质量在60～90kg之间 样品处理：质量约为5g左右的红富士苹果切 cm×1 时，对兰德瑞斯猪和大白猪的质量预测误差率在 成2 cm的方形块。 2％以下，对梅珊猪的质量预测误差在3％以内。 箱，上海博迅实业有限公司医疗设备厂；赛多利斯 Noguchi等【4】以机器视觉技术和地理信息管理系统 1 为手段，通过神经网络训练得出一个识别数据库，设 JS一1．5A型电子天平，精度为0．000g，深圳衡力 计出一个田间作业机器人，通过研究发现，该机器人 达公司生产；WYT—J型手持糖量计，测量范围 0％～32％，最小刻度0．5％，精确度±0．2％，成都 对目标物体有较好的识别能力。Park等b]以高光 HISPEED 谱技术为手段，通过神经网络模型对完整和不完整 光仪厂；X射线放射源及成像装置GE 的小鸡畜体进行分类，通过研究发现，该模型对样本 Fx／I型医用CT机，精确度为0．01。 的分辨正确率达90％以上。王巧华等[6]用计算机1．2试验方法与过程 视觉装置获取鸡蛋图像像素点数，用电子天平称得 参照国际标准ISO 蛋重，用它们作为样本数据建立BP神经网络模型， 品——用减压干燥法测定干物质含量和用共沸蒸馏 达到自动检测鸡蛋大小并分级。经检验，建立的BP 法测定水含量》设计。 神经网络有很好的