10.7633/j.issn.1003-6202.2023.03.012
基于PSO-GA-BP神经网络的大米水分含量预测
为保障大米质量安全,提出一种基于BP神经网络的大米品质检测方法.方法以大米水分含量作为大米品质指标,通过结合粒子群优化算法(PSO)和遗传算法(GA)优化 BP 神经网络的阈值和权值,实现了 BP 神经网络的改进,提高BP神经网络的收敛速度,解决BP神经网络容易陷入局部最优的问题.然后,将改进的 BP 神经网络应用于大米水分含量预测中,实现了大米水分含量的准确预测.仿真结果表明,所提的改进 BP 神经网络模型相较于标准BP神经网络模型和 LSTM-BP 神经网络模型,在预测集和验证集上的均方根误差更小,分别为0.007 和 0.005,其大米水分含量预测值与真实值接近,可准确检测大米水分含量,为大米品质检测奠定了理论基础.
大米品质检测、BP神经网络、高光谱图像、粒子群优化算法、遗传算法
TP273(自动化技术及设备)
2023-07-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
56-60