基于人工神经网络与VPMCD葡萄干等级检测方法研究.docVIP

基于人工神经网络与VPMCD葡萄干等级检测方法研究 　　摘 要：为了准确鉴别葡萄干等级，提出一种基于人工神经网络和VPMCD的葡萄干等级检测新方法。以新疆绿无核三个等级的葡萄干作为研究对象，提取颜色、形状的特征参数。采用BP神经网络算法，对比各特征组合对识别率的影响，确定了识别率较高的4个特征参数组合。最后应用VPMCD方法进行样本训练并进行葡萄干等级检测。将提出的方法与SVM、BP神经网络识别结果进行对比分析，结果表明，VPMCD算法识别率达到100%，分级效果明显，运算时间少，识别精度高，为农产品等级检测提供了一个新途径。 　　关键词： 葡萄干； 等级检测； BP神经网络； VPMCD 　　中图分类号： TN926?34 文献标识码： A 文章编号： 1004?373X（2016）12?0018?04 　　Abstract： To precisely identify the raisin grades， a new raisin grade detection method based on artificial neural network and VPMCD is proposed. The Xinjiang Green seedless raisins of three grades are taken as the research object to extract the characteristic parameters of color and size. The BP neural network algorithm is used to compare the influence of each feature combination on identification rate. The four characteristic parameter combinations with high identification rate were determined. The VPMCD method is adopted to train the sample and detect the raisin grade. The identification result of the proposed method was compared with those of SVM method and BP neural network method. The comparison results show that the identification rate of VPMCD algorithm can reach up to 100%， and has superior classification effect， less operation time and high identification precision. It provides a new approach for grade detection of agricultural products. 　　Keywords： raisin； grade detection； BP neural network； VPMCD 　　0 引 言 　　葡萄干营养价值丰富，美味可口，受到全国人民青睐。目前，葡萄干的品质检测主要分为外部和内部检测两类，内部检测主要是对其味道、糖分、水分的检测，检测技术已经比较成熟；外部检测方法主要是对颜色、形状、大小及表面缺陷的检测，检测技术不够成熟，仍需进一步研究，如何对大批量葡萄干进行实时检测，成为研究的关键，迅速有效的检测方法对我国的葡萄干进出口贸易有促进作用。目前农产品识别、分级检测技术日趋成熟，检测方法多种多样，其中神经网络技术应用较为广泛[1?3]，数据挖掘算法[4]、基于稀疏表示的分类算法[5]也在各类识别中应用，识别精度成为比较各种算法优劣的关键。 　　VPMCD方法是一种基于变量预测模型的模式识别方法，它认为不同类别的系统中，全部或者部分特征之间存在一定的内在关系，根据这种关系建立数学模型，采集研究对象的数据，对模型参数进行训练可以得到预测模型，利用预测模型可以对各类对象进行预测分类[6]。目前，这种方法在滚动轴承故障诊断、机械故障诊断、齿轮故障诊断及其他的一些故障诊断中应用较为广泛[7?10]，在农产品等级检测中尚未应用。试验中尝试采用VPMCD方法对葡萄干进行等级检测。 　　1 研究对象与方法 　　1.1 研究对象 　　以新疆绿无核葡萄干作为研究对象，分别选取三个等级（一级、二级、三级）的葡萄干各100粒，其中，每个等级各40粒作为训练样本，剩余60粒作为测试样本。