基于神經(jīng)網(wǎng)絡(luò)的小麥品質(zhì)建模與評估系統(tǒng)設(shè)計(jì).pdf

1、小麥?zhǔn)侵袊钪饕募Z食作物之一,其品質(zhì)的好壞直接影響人們的飲食安全及身體健康,因而越來越受到人們的關(guān)注。如何高效快速的對小麥的品質(zhì)做出評價成為科研人員研究的重點(diǎn)課題,近些年發(fā)展起來的近紅外光譜分析技術(shù)由于其快速、簡便、準(zhǔn)確、非破壞性等優(yōu)點(diǎn),為小麥品質(zhì)的檢測提供了一個新的技術(shù)手段。我國許多的科研院所和糧食加工廠等機(jī)構(gòu)陸續(xù)在推廣和使用近紅外光譜分析儀器對小麥等谷物進(jìn)行快速品質(zhì)評價。但在實(shí)際應(yīng)用過程中發(fā)現(xiàn),目前國內(nèi)外現(xiàn)存的近紅外光譜分析儀器大

2、多存在著建模困難、定標(biāo)模型精度不高等問題。
　　 針對目前存在的問題,在參考大量國內(nèi)外研究文獻(xiàn)的基礎(chǔ)之上,本文對評價小麥品質(zhì)的多種參數(shù)的近紅外建模問題進(jìn)行了深入研究。首先,采用SPXY(sampleset partitioning based on joint x-y distance)算法選擇具有代表性的校正集樣本,然后使用不同方法對光譜數(shù)據(jù)作預(yù)處理,增強(qiáng)光譜特征；在此基礎(chǔ)上分別采用偏最小二乘回歸和BP神經(jīng)網(wǎng)絡(luò)方法建立了小麥蛋

3、白質(zhì)、濕面筋及沉降值的校正模型；另外,本文將連續(xù)投影算法用于神經(jīng)網(wǎng)絡(luò)校正模型的優(yōu)化,減少了計(jì)算量,提高了模型的預(yù)測精度。測試結(jié)果表明,蛋白質(zhì)偏最小二乘回歸模型的預(yù)測相關(guān)系數(shù)和預(yù)測均方誤差分別為0.97244和0.23323,經(jīng)連續(xù)投影算法優(yōu)化后的濕面筋神經(jīng)網(wǎng)絡(luò)校正模型的預(yù)測相關(guān)系數(shù)和預(yù)測均方誤差分別為0.96093和1.112,均達(dá)到比較高的預(yù)測精度。但是,所建的沉降值的偏最小二乘回歸校正模型和神經(jīng)網(wǎng)絡(luò)校正模型預(yù)測效果都不太理想,可能同