微机控制的智能化茶叶分拣系统研究

针对茶叶精制过程中落后的人工拣剔作业工艺，提出一种微机控制的智能化茶叶拣系统。该系统以ＭＣＳ－５１单片计算机控制核心，以颜色，形状和重量三要素分拣控制准则为分拣控制依据，采用子多总线结构，单令多任务操作，ＧＡＬ器件、人工神经网络学习算法和自适应控制等新技术，可在５ｍｓ内完成对２４０路分拣单元的巡回采样，特征参数可以在线寻优调节。实际应用结果表明，该系统辨识准确率高，适应范围广，可用于替代人工拣梗，     

荷叶黄酮的乙醇提取工艺优化研究

研究了荷叶中主要生理活性物质黄酮的乙醇提取工艺。将传统的正交试验和人工神经网络方法相结合，提出了一种新的试验数据分析、处理和优化方法，可以充分挖掘试验信息，定量分析因素变化规律和寻找参数最优组合。该方法应用于荷叶黄酮的提取工艺优化中，获得了乙醇提取的优化工艺条件，即固液比1∶30、提取温度75℃、提取时间1 h和乙醇浓度50%。该优化工艺条件，在实际生产中应用，不仅减少了生产成本，降低了能耗，而且提高了黄酮的浸提率，取得了较好的成效。     

基于模糊神经网络的葡萄病害诊断系统研究

针对传统专家系统自学能力差的特点，以实现基于Web的智能葡萄病害诊断系统为目标，研究了26种葡萄常见病害模糊隶属度的表示方法及模糊BP神经网络模型，采用Java与Matlab混合编程方法实现了该系统的葡萄病害诊断功能。试验结果表明，该系统病害诊断正确率达90.9％，且能在Web上运行，便于推广和使用。     

基于权重自动调整神经网络的水稻病虫害诊断专家系统

针对水稻病虫害诊断特点，从人工智能角度出发，提出了一种基于权重自动调整的神经网络水稻病虫害的知识组织方式。文章以15种常见水稻病虫害为例，通过对病虫害症状的特点和特征进行分类、抽象和编码，构建了基于权重自动调整的BP神经网络。利用神经网络和不确定性推理技术，对实例样本进行训练学习，并将权值数据作为知识库来进行诊断，并基于这种方法构建了水稻病虫害神经网络诊断专家系统。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

电子鼻技术在棉花早期棉铃虫虫害检测中的应用

为了更好地获取棉花虫害信息,该文使用电子鼻和气质联用技术对受到不同数量棉铃虫早期危害的棉花进行检测。基于气质联用技术获得了棉花挥发物的成分和含量,基于电子鼻响应曲线提取了稳定值、面积值、平均微分值、小波能量值和多项式拟合曲线参数值5种特征值,筛选出3种较优单特征:稳定值、平均微分值和面积值,之后基于多特征分别使用多层感知神经网络、径向基函数神经网络和极限学习机3种神经网络方法进行分类分析。最后采用支持向量机回归分别基于3种较优单特征及多特征对危害棉花的棉铃虫数量进行回归预测。结果表明:多特征的分类效果优于单特征,基于多特征“稳定值和平均微分值”和极限学习机分类效果最好,训练集和测试集的分类正确率均达到100%。多特征的预测能力优于单特征,基于多特征“面积值和平均微分值”的回归模型预测效果最佳,训练集回归模型的决定系数(R^2)和均方根误差(RMSE)分别为0.9940和0.0860,测试集回归模型的R^2和RMSE分别为0.9230和0.3709,电子鼻对棉花早期棉铃虫虫害具有较好的区分和预测能力,电子鼻在棉花早期棉铃虫虫害中的检测具有一定的应用潜力。     

投影寻踪新方法在泥石流危险度评价中的应用

探讨了利用实码加速遗传算法的投影寻踪新方法的泥石流危险度评价模型,并给出了相应算法、实例及同其它方法对比应用,表明了利用投影寻踪方法来评价泥石流危险度是有效可行的,且取得了理想的结果。     

一种新的池塘溶解氧预测模型

池塘溶解氧的精确预测一直是池塘人工养殖生产中的瓶颈问题。该文建立了基于神经网络的池塘溶解氧智能预测模型，并对预测模型进行了验证，其预测结果与实测数据拟合良好。     

基于模糊神经网络的智能履带车路径跟踪系统

履带车适合于松软地面作业，其在结构化环境中能够自动驾驶功能具有重要的意义。介绍了基于模糊神经网络的智能履带车路径跟踪系统。该系统是模糊控制和神经网络控制的有机结合体，除了保留常规模糊控制器的自然语言信息处理功能以外，同时具有神经控制系统的监督学习及知识获取功能，这使得控制系统对变化的工作环境具有更好的适应性。试验表明：该控制系统对变化路径的跟踪响应迅速、反应敏感，能够满足路径实时跟踪的要求，效果较好。     

α-生育酚在超临界 CO_2 中溶解度神经网络模型的建立

生育酚有很高的生理活性 ,油脂生产中得到的脱臭馏出物含有丰富的天然生育酚。作为萃取生育酚的基础 ,该文对甲酯化油脂脱馏出物中 α-生育酚在超临界 CO2 中的溶解度进行了测试 ,并用 Chrastil分子缔合模型和RBF神经网络模型对溶解数据进行了拟合。Chrastil分子缔合模型的相对误差为 2 5 .36 %。对于 RBF神经网络模型 ,经过网络学习和训练 ,训练集平均误差仅为 0 .32 % ,测试集误差为 6 .48% ,效果比较理想