基于MEA-BP神经网络的大米水分含量高光谱技术检测

摘要：

利用高光谱技术对储藏大米的水分含量进行检测.本实验以120个大米样本为研究对象,采集所有大米样本的高光谱图像,利用多元散射校正的预处理方法对大米样本原始光谱数据进行降噪处理.由于原始高光谱数据量大且冗余性强,故利用逐步线性回归分析方法对预处理后的数据进行特征提取.最后建立BP神经网络的大米水分定量检测模型,由于建模效果没有达到预期目标,因此引入遗传算法(genetic algorithm,GA)和思维进化算法(mind evolutionary algorithm,MEA)优化BP神经网络的权值和阈值.对BP、GA-BP、MEA-BP 3种大米水分预测模型进行比较,3种模型的预测集决定系数都达到0.86以上,其中MEA-BP模型具有最佳的预测效果,预测集决定系数达到0.966 3,且均方根误差为0.81％.

关键词：高光谱、大米、水分含量、BP神经网络、遗传算法、思维进化算法

所属期刊栏目：38

分类号：TS201;S379(食品工业)

资助基金：国家自然科学基金面上项目31471413;江苏高校优势学科建设工程资助项目PAPD苏政办发2011 6号;江苏大学现代农业装备与技术重点实验室开放基金项目NZ201306;江苏省六大人才高峰资助项目ZBZZ-019

在线出版日期：2017-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：272-276