简谈神经网络基于光谱特性肉品种类及新鲜度识别策略

论文导读：肉品光谱信号经小波预处理后，可从达到消噪和平滑的目的，提升了识别的有效性和准确性。仿真结果表明，本论文所提出的小波变换与人工神经网络相结合的办法，对基于光谱特性肉品种类及新鲜度的识别是可行而有效的，为实现小型肉类快速无损检测体系做出了初步论述探讨。关键词：光谱论文肉品论文种类论文新
摘要：肉类食品表面的光学物理性质，使得光学可从运用于肉品检测。通过对肉类光学特性的测定，检测肉类反射光谱，可将肉类食品及不同新鲜状态下反映出的反射光谱特点量化。肉类组成结构复杂，在光学上一般被看作为一种引发漫反射的食品，肉类体现为一种非均匀性介质，对于光也有特定的吸收特性，肉类可从发生反映肉类特质的散射和吸收。国内外几点专家借助光学仪器和数学模型对肉类的光学特性进行了初步研究，但是探讨还不够深入。长期从来，在肉类食品检测领域，主要靠视觉直观地鉴别，或者使用化学办法对肉类食品进行检测，对于肉类的新鲜度判断缺乏科学性和时效性。使用光学仪器可从准确测定肉类食品表面的光学特性，以而为肉类的新鲜度判别提供客观的依据，这成为肉类食品检测光学探讨的一个重要方向。肉品表面特性体现的形态多样，颜色、形状、纹理不相同，肉品表面的光学特点具有模糊性和不确定性，所从实现肉品表面光学特性分析的定量化对比困难。肉品表面微小差别导致肉类表面光学物理参数的区别很小，甚至出现光谱曲线的交叉。但是近年来随着人工神经网络模型的成熟，人工神经网络在光谱分析中的运用成为可能，神经网络可从进行光谱信号的非线性识别，有效地消除噪声，提升测量的精度。在肉类新鲜度的光谱分析中，可从引入小波变换进行信号处理，在肉类新鲜度的光学分析中提取有用信号，达到肉类新鲜度的光学信号消噪和平滑的目的。在阅读分析国内外相关文献的基础上，确定了本论文的探讨内容、办法和思路。使用光谱测试体系，实现了对肉品原始光谱信号的数据采集。在明确了小波变换及BP人工神经网络原理的基础上，提出了基于光谱特性的肉品种类和新鲜度的识别办法，对采集到的数据进行分析识别。采取光纤探头作为集光器件的光谱测试体系，具有光能损失小、抗干扰强、灵活性高的特征。通过对牛肉、猪肉和鸡肉三种肉品测量，得到了可见光区域内的肉品原始光谱信号，并分析了其特点。在此基础上，提出了使用BP人工神经网络对肉品光谱信号进行识别。经过实验，建立了四级BP人工神经网络。由于光谱测试体系的自带噪声从及肉品的光学特性，训练后的网络识别精度不高。为了提升识别效果，进一步提出了BP人工神经网络结合小波变换的识别办法。肉品光谱信号经小波预处理后，可从达到消噪和平滑的目的，提升了识别的有效性和准确性。仿真结果表明，本论文所提出的小波变换与人工神经网络相结合的办法，对基于光谱特性肉品种类及新鲜度的识别是可行而有效的，为实现小型肉类快速无损检测体系做出了初步论述探讨。关键词：光谱论文肉品论文种类论文新鲜度论文人工神经网络论文小波分析论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-6
ABSTRACT6-10
第1章 绪论10-14

1.1 探讨的目的和作用10

1.2 国内外相关探讨的概况10-12

1.2.1 使用光谱分析进行肉品品质检测10-11

1.2.2 使用超声波进行肉品品质检测11-12

1.2.3 使用电、磁特性进行肉品品质检测12

1.3 本论文探讨目标和内容12-14

1.3.1 探讨目标12-13

1.3.2 探讨内容13

1.3.3 探讨的思路13-14

第2章 肉类识别光谱测试体系14-24

2.1 生物表面辐射度特性的表征14-15

2.2 生物表面色度表征的基本论述15-17

2.3 工作标准白板17-18

2.4 肉类识别光谱测试体系的结构18-20

2.4.1 光源18-19

2.4.2 集光体系19

2.4.3 分光体系19-20

2.4.4 光电转换体系20

2.4.5 数据处理体系20

2.5 肉类识别光谱测试体系的技术参数20-22

2.6 本章小结22-24

第3章 小波变换及 BP 人工神经网络原理24-36

3.1 小波变换论述24-29

3.

1.1 小波极为性质24-27

3.

1.2 小波变换27-28

3.

1.3 多分辨率分析及 Mallat 算法28-29

3.2 BP 人工神经网络29-34
3.

2.1 人工神经元模型29-31

3.

2.2 人工神经网络结构31-34

3.3 本章小结34-36
第4章 基于 BP 人工神经网络的肉类识别办法36-46
4.1 肉类表面光谱的测试及样本的简要分析36-40论文导读：基于小波变换的去噪办法46-545.1.1小波去噪的基本原理46-495.1.2小波阈值去噪办法49-515.1.3光谱信号小波阈值处理51-545.2基于小波去噪的BP人工神经网络肉类识别54-585.2.1BP人工神经网络用于肉品种类识别54-565.2.2BP人工神经网络用于肉品新鲜度的识别56-585.3本章小结58-60第6章结论与展望60-62参考文献62-6

4.2 BP 人工神经网络对肉类的识别40-45

4.3 本章小结45-46

第5章 基于小波预处理的神经网络肉类识别46-60

5.1 基于小波变换的去噪办法46-54

5.

1.1 小波去噪的基本原理46-49

5.

1.2 小波阈值去噪办法49-51

5.

1.3 光谱信号小波阈值处理51-54

5.2 基于小波去噪的 BP 人工神经网络肉类识别54-58
5.

2.1 BP 人工神经网络用于肉品种类识别54-56

5.

2.2 BP 人工神经网络用于肉品新鲜度的识别56-58

5.3 本章小结58-60
第6章 结论与展望60-62
参考文献62-66
作者介绍66-68
致谢68