基于BP神经网络的鸡蛋新鲜度无损检测方法

用计算机视觉装置和Matlab软件获取鸡蛋颜色参数（H、I、S）,通过试验获得鸡蛋的新鲜度指标（哈夫值）,用其作为样本数据建立BP神经网络模型,得到鸡蛋新鲜度与其图像颜色参数之间的最优关系。系统先自动判别鸡蛋壳色再分类检测鸡蛋新鲜度,经检验,建立的BP神经网络具有较好的泛化功能和鲁棒性,对褐壳蛋和白壳蛋新鲜度的正确识别率分别为87．258％、89．029％。     

大豆含水率快速无损检测方法的研究

提出了应用大豆电特性进行含水量快速无损检测的方法,分析了环境温度、激励频率和介质密度等对测量精度的影响。通过建立人工神经网络模型,对实验数据进行学习、建模和预测．综合分析各种影响因素对含水率测量的影响。结果表明．结合人工神经网络模型．大豆含水量测量的绝对误差平均值可达0．01502．具有较高的检测精度,为大豆的快速无损检测提供了一种新方法。     

基于灰色理论和BP神经网络的农业用水量预测

运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,对农业用水量进行预测.此组合模型兼有灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.为此,以辽河流域某典型区为例进行预测,结果证明了该组合模型的优势,为农业用水量预测研究提供参考依据.     

应用电特性测量大豆含水率的实验研究

对基于电特性的大豆含水率测量方法进行研究,自制圆筒形电容器,利用智能 LCR 测量分析仪对不同含水量的大豆样品进行测试。实验结果表明,在1 kHz 频率下,大豆含水率与其等效电容值之间有显著相关性;利用BP 神经网络对实验数据建模,结果表明, BP 神经网络预测值和实验值非常接近;利用大豆电特性进行含水量检测,可以满足大豆含水率快速无损检测的要求。     

基于人工神经网络的苹果可溶性固形物无损检测

采集了60个苹果在400～1 100nm范围内的可见-近红外漫反射光谱,然后使用连续投影算法将光谱变量进行压缩,最后采用BP神经网络建立了苹果糖度的预测模型。实验表明,连续投影算法从400～1 100nm范围提取出25个优选波长参与建模,有效简化了模型结构。BP神经网络模型对苹果糖度的预测相关系数达到0.853,预测均方根误差为1.303 0。结果表明,基于近红外光谱的苹果糖度无损检测是可行的。     

基于微波自由空间测量的小麦含水率检测方法

为了实现小麦含水率的快速检测,采用微波自由空间测量法研究了信号频率(1～4 GHz)、温度(10～40℃)、含水率(11. 35%～17. 79%)和容积密度(低、高)对小麦相对介电常数的影响,分析了影响相对介电常数变化的原因,建立了不同频率下小麦含水率的预测模型,并对模型进行了验证。研究结果表明,在1～4 GHz频段内,小麦的相对介电常数随含水率、温度和容积密度的增大而增大,随着信号频率的增大而减小;所建立的支持向量机模型取得了很好的预测效果,对比于单频和多频,全频下的预测模型最优,其预测集相关系数、预测集均方根误差和剩余预测偏差分别达到了0. 992 9、0. 051 3%和18. 67。研究表明,微波自由空间法可用于检测小麦含水率。     

基于BP神经网络的牡丹花热风干燥含水率预测模型

针对热风干燥制作牡丹压花时含水率不便实时测定的问题,探讨了干燥过程中热风温度、风速、压花板孔密度和牡丹花初始质量对干燥速率的影响.利用BP神经网络建立了干燥时间、热风温度、风速、牡丹花初始质量、压花板孔密度与牡丹花干燥过程中含水率之间的关系模型,采用Matlab神经网络工具箱对模型参数进行训练和模拟.结果表明,利用神经网络建立的模型仿真结果与实测值接近,预测性较好.     

人工神经网络在预报土壤墒情中的应用

依据从2005年1～12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型.模型共分输入层、隐含层和输出层3层.输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量.输出层的输出变量包括1天后的10 cm、20 cm和40 cm深度的土壤含水量.模型的学习因子为0.1,动量因子为0.05.模型经过25 000次训练后收敛,收敛误差为8×10 -4 ,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息.     

基于准静态同轴探头模型的土壤复介电测量方法

末端开路同轴探头法测量土壤复介电值用于表征土壤含水率具有准确、快捷的优点。针对目前土壤介电同轴探头集总测量模型没有充分考虑探头的参数以及土壤体积对测量结果影响等问题,基于电磁场理论,对末端开路同轴探头建立了准静态数学模型,适用于土壤的复介电常数准确测量。通过全波软件仿真和模型计算结果对比,以无水乙醇介电实测值和理论值对比,验证模型的准确性。采用本文介电测量模型对不同含水率的黄绵土进行测量计算,复介电常数实部与实测土壤含水率二阶多项式拟合决定系数大于0.965,表明本文所提土壤介电测量方法适用于土壤复介电常数和含水率的测量。     

基于BP神经网络的汽车发动机故障诊断方法研究

介绍了BP神经网络学习算法,建立了汽车发动机振动测试系统,在对发动机振动数据进行分析处理的基础上,获取了学习样本的输入向量与目标向量,应用BP网络学习算法对新构的网络进行训练,建立了一种发动机机械故障诊断的新方法,实例分析结果表明,这种新方法是可行的。     

基于介电特性与回归算法的玉米叶片含水率无损检测

利用0.06~200 k Hz范围内拥有36个频率点的LCR测量仪及自制夹持平行电极板,测量280片不同含水率玉米叶片的相对介电常数ε'及介电损耗因子ε″;利用干燥法测量玉米叶片的湿基含水率。利用逐步回归法(SWR)与多元线性回归(MLR)结合的线性建模方法和连续投影算法(SPA)与支持向量回归(SVR)结合的非线性建模方法,分别建立玉米叶片介电参数(ε'、ε″及两者融合信息3种参数)与湿基含水率的关系模型,并应用留一交叉验证法选取2种建模方法的最佳关系模型。分析表明,非线性模型较线性模型具有更高的预测能力,且基于ε'与ε″的融合信息运用连续投影算法(SPA)与支持向量回归(SVR)相结合的非线性建模方法使模型原72个变量精简到10个,剔除了模型中冗余度较高的变量,有效降低了模型的复杂度,得到最高的测试集决定系数R2P(0.804)和最小的测试集均方根误差RMSEP(0.017 6)。结果表明基于介电特性的玉米叶片含水率无损检测方法是可行的,为快速检测其他农作物的生理信息提供了一种可靠的方法。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。