基于MATLAB的BP神经网络在猪等级评定中的应用研究*

为了客观评估猪肉各项指标和猪肉等级,采用MATLAB神经网络工具箱中的BP人工神经网络,利用猪胴体图像特征参数和活体猪图像特征参数建立BP神经网络模型。分别用猪胴体图像特征参数样本60个和活体猪图像特征参数样本80个进行了网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,得到 BP神经网络模型。通过仿真,将仿真结果与人工评估结果进行对比,结果表明BP人工神经网络模型可以评估猪肉各项指标和等级识别。在猪肉胴体图像特征指标下评价猪肉等级准确率达到98%,在活体猪图像特征参数评价猪肉等级准确率达到80%。说明猪肉胴体图像特征比活体猪图像特征参数更能代表猪肉质量品质也符合客观现实;同时也表明MATLAB神经网络工具箱中的BP人工神经网络可以应用在猪的等级评定中。     

基于改进的BP神经网络的罗汉果种属识别研究

利用数字图像处理技术,对采集的不同种属罗汉果果实图像提取了R、G、B、H、S、I颜色特征参数和偏心率几何特征参数,并将其作为BP神经网络的输入向量,建立了罗汉果特征参数与不同种属之间的神经网络识别模型.研究结果表明:罗汉果种属识别效果较好,其平均识别准确率达到87.5%,对实现罗汉果种属的自动识别有较好的应用价值.     

基于图像特征的籽棉品级分级模型的研究

为了提高在籽棉收购环节中品级分级的客观性和准确性,籽棉品级分级模型以籽棉图像的特征参数为依据,以BP神经网络为分类算法。依据GB1103-2007中籽棉品级分级标准,提取籽棉图像的白度、黄度、杂质作为特征参数,使用部分样本对BP神经网络进行训练,训练后的BP神经网络对未参加训练的样本进行分级,精度达到81%。实验证明,该模型能够提高籽棉分级的客观性和准确性。     

基于神经网络的睡眠分期处理算法研究

睡眠质量已成为临床医学和人类生活中普遍关心的问题,为了研究不同睡眠时期大脑的活动,并对整夜睡眠状况及睡眠质量进行分析和评价,为了完成自动识别,提出一种基于神经网络的睡眠分期方法并探讨其应用到实际中的可行性。以国际睡眠分期标准为基础,充分考虑EEG信号的各个特征参数,利用BP神经网络分类器设计了一种睡眠自动分期分析的方法。仿真结果表明,利用改进的BP算法消除了网络训练受样本次序影响的缺陷,总睡眠分期准确率达到79.2%。这种方法及选取的17个睡眠分期参数可为睡眠质量的评价提供途径,可把专家们从冗繁的判读整夜睡眠记录中解脱出来,以进行更深入地分析和研究。     

基于PSO优化BP神经网络的液压钻机故障诊断

液压钻机故障特征参数与故障状态之间呈现较强的非线性,依赖线性数学模型的故障诊断方法诊断正确率不高。针对上述问题,提出了一种基于粒子群算法(PSO)优化BP神经网络的液压钻机故障诊断方法。该方法利用BP神经网络提取特征参数之间的非线性关系,实现典型故障的分类识别;利用PSO优化BP神经网络的权值和阈值,提高网络训练的收敛速度。仿真结果表明,PSO优化的BP神经网络迭代次数少,收敛速度快。该方法能够对测试样本进行有效分类,故障诊断正确率高。     

基于图像分析的真假药胶囊颗粒识别方法研究

研究了一种基于图像处理和神经网络的真假药胶囊颗粒的自动识别方法。用高像素数码相机对胶囊颗粒进行拍照来获取图像,并对图像进行预处理。提取每个颗粒的形状因子、周长体积、面积体积等特征参数,作为神经网络的输入,建立特征参数与真假胶囊颗粒之间的神经网络模型。实验结果表明:该方法对真药胶囊颗粒与假药胶囊颗粒的检测平均准确率为97.5%,达到了较好的自动识别效果。     

基于支持向量机的枪弹外观缺陷识别与分类

为解决枪弹外观缺陷自动分类问题,提出了一种基于支持向量机的枪弹外观缺陷自动识别与分类模型。首先针对枪弹表面缺陷的图像特点,从几何、灰度、纹理三方面进行了特征提取,在此基础上建立了基于支持向量机的枪弹外观缺陷分类模型,并对特征参数进行了优选;研究了支持向量机中惩罚系数和核函数参数对分类器性能的影响;通过实验与基于BP神经网络的枪弹外观缺陷分类器进行了比较,结果表明,在小样本下,基于支持向量机的枪弹外观缺陷分类器性能更好。     

基于单输出型神经网络的血细胞分类研究

分别利用BP神经网络与单输出型神经网络对已经得到的血细胞特征参数进行计算,设计出分类器对血细胞进行自动分类识别。单输出型神经网络分类器与BP神经网络分类器相比,具有设计简单、收敛速度快、识别精度高且更加稳健的优点,取得了较好的应用效果。     

基于SVM的旋转机械故障诊断方法

提取时域与频域共20个特征参数作为数据样本,选择适合旋转机械振动信号的径向基函数及相关参数,基于一对多法构造支持向量机(SVM)多类分类器,实现旋转机械滚动轴承的故障诊断。通过对振动信号特征进行训练与测试,并与BP神经网络进行对比结果表明,该SVM多类分类器可较好地解决小样本问题,在训练时间和识别正确率上均优于BP神经网络。     

基于神经网络的示功图诊断研究

在抽油机井生产过程中,及时掌握抽油机井工况,实现抽油机井的远程监测和科学管理,是当前抽油机采油系统迫切需要研究的一个重大课题。在传统工况诊断的基础上研究了抽油机井工况智能诊断技术。通过对示功图的网格化,建立了示功图的计算模型,通过对这些模型进行预处理,建立了抽油机井典型工况的特征参数样本库。研究了BP神经网络的基本结构,并将BP神经网络诊断系统应用于抽油机井示功图识别,取得了良好的效果。     

计算机视觉技术在壁纸识别的研究

为了实现对壁纸识别的自动化,根据其典型纹理特征,提出了一种基于灰度共生矩阵的识别算法。在建立实验样本库的基础上,获取样本的灰度共生矩阵特征参数,然后,将待测样本送入最近邻分类器进行识别,识别正确率为87.5%,结果表明,该方法是有效的,用其对壁纸进行识别是基本可行的。     

基于小波包和BP神经网络的刚性罐道故障诊断

针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法。搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果。测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91。     

基于遗传算法优化BP神经网络的线损计算研究

为了准确计算低压台区配电网的线损,提出遗传算法优化BP神经网络的配电网理论线损计算。通过电网线路获取线路特征参数,对特征参数建立BP神经网络的预测模型;根据BP神经网络的拓扑结构中的权值和阈值来确定染色体长度;通过遗传算法来确定BP神经网络的参数,拟合影响线损的特征参数和线损的复杂关系。该算法减少了线损计算误差,计算时间少,稳定性增强。     

基于粗糙集和BP神经网络的天然裂缝识别

研究粗糙集理论和BP神经网络算法,以及如何结合两者构建天然裂缝智能识别的应用。选取与天然裂缝发育有关的测井曲线作为样本集．先用粗糙集理论约简样本信息,然后采用BP神经网络识别天然裂缝。给出了基于粗糙集和BP神经网络的天然裂缝智能识别的设计方案,通过长庆油田实际油井的应用,结果表明这种识别方法效果显著。粗糙集有效地约简样本信息．BP神经网络很好地识别天然裂缝,故基于粗糙集和神经网络的智能识别方法切实可行。     

基于粗糙集和BP神经网络的天然裂缝识别

研究粗糙集理论和BP神经网络算法,以及如何结合两者构建天然裂缝智能识别的应用.选取与天然裂缝发育有关的测井曲线作为样本集,先用粗糙集理论约简样本信息,然后采用BP神经网络识别天然裂缝.给出了基于粗糙集和BP神经网络的天然裂缝智能识别的设计方案,通过长庆油田实际油井的应用,结果表明这种识别方法效果显著.粗糙集有效地约简样本信息,BP神经网络很好地识别天然裂缝,故基于粗糙集和神经网络的智能识别方法切实可行.     

基于改进BP网络的车牌字符识别方法研究

介绍了车牌自动识别的过程和原理、车牌识别中所需要的关键图像处理技术,并对BP神经网络算法进行了阐述.结合目前车牌编制的特点,基于BP神经网络原理对车牌自动识别技术中的字符识别技术进行了新探索,提出了适用于新<机动车登记规定>车牌编制方法的神经网络结构和识别算法.通过恰当设置BP网络隐层节点数,详细介绍了改进BP网络算法步骤,分析了易混字符,并用MATLAB进行了实验,实验结果表明,改进网络结构后的方法识别准确率高、识别过程速度快、系统鲁棒性强.     

车辆类型识别技术的研究

汽车类型自动识别在现代交通管理和监控中有着广阔的应用前景，本文提出一种用于汽车类型识别的BP神经网络分类器的设计问题。在车辆图像预处理和特征提取的基础上进行基于前向三层神经网络的自动识别和分类。     

基于机器视觉的淡水鱼品种识别

在我国的淡水鱼加工产业里,淡水鱼的识别加工主要依靠人工,这必然将耗费大量的人力和物力。针对这类现象,研究设计了以白鱼、鲫鱼、桂鱼和鳊鱼为研究对象,采用数字图像处理技术和BP网络神经实现的淡水鱼自动识别系统。首先对采集得到的图像进行预处理,得到抠除背景的彩色鱼图像;接着分割鱼体,得到鱼背、鱼肚图像,进行纹理特征提取和形态特征提取;最后使用BP神经网络进行识别。实现了专门识别淡水鱼的软件,采用了25条学习样本和28条识别样本,最终识别率达到75%。     

BP旋转算法在故障诊断中的应用

针对BP算法神经网络训练时收敛速度慢的缺陷,选用了一种改进的BP算法--BP旋转算法.选用旋转机械故障诊断中的实际故障样本,采用BP旋转算法训练神经网络,进行故障诊断.研究结果表明,BP旋转算法大大加快了网络训练时的收敛速度,具有实际应用价值.     

基于BP神经网络的多传感器信息融合研究

BP网络是应用最广的一种人工神经网络,将BP神经网络应用到压力检测领域的温度等非线性补偿,具有重要的实用价值,对压力检测精度的改进效果显著;从传感器信息融合的角度看,神经网络就是一个融合系统;通过对神经网络基本理论的阐述,针对研究对象将BP神经网络原理与多传感器信息融合技术有机集合起来,提出了基于BP神经网络的二传感器信息融合模型及改进算法,建立了BP神经网络训练标准样本库,并对该网络模型进行主要技术指标的测试和仿真工作,测试结果表明构建的模型及其改进算法能很好地满足了高精度压力检测仪的指标要求.