专利名称: |
基于神经网络的近红外光谱识别古筝面板用木材等级的方法 |
摘要: |
本发明公开了一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法,所述方法包括如下步骤:(1)将包含不同等级的古筝面板用木材的近红外光谱数据进行Savitzky‑Golay卷积平滑和一阶导数预处理和主成分分析;(2)构建改进的BP神经网络模型;(3)训练改进的BP神经网络模型;(4)利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类,从而实现古筝面板用木材的等级识别。本发明基于可以涵盖不同等级古筝面板用木材的化学物质的近红外光谱数据进行判别,测量数据快,成本低,判断时间短,有效缩小计算数据量,不掺杂主观臆断,稳定性较高,方法更具健壮性。 |
专利类型: |
发明专利 |
国家地区组织代码: |
黑龙江;23 |
申请人: |
东北林业大学;扬州市良匠古筝制作研究院有限公司 |
发明人: |
黄英来;孟诗语;苗红;曲玉利;于鸣;温馨 |
专利状态: |
有效 |
申请号: |
CN201811436277.3 |
公开号: |
CN109253985A |
代理机构: |
哈尔滨龙科专利代理有限公司 23206 |
代理人: |
高媛 |
分类号: |
G01N21/359(2014.01)I;G;G01;G01N;G01N21 |
申请人地址: |
150040 黑龙江省哈尔滨市南岗区和兴路26号 |
主权项: |
1.一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述包括如下步骤:步骤(1):将包含不同等级的古筝面板用木材的N组不同波段的近红外光谱数据进行Savitzky‑Golay卷积平滑和一阶导数预处理和主成分分析,将变换后的不同波段的近红外光谱数据随机分组,将其中的n组数据作为训练样本集,N‑n组数据作为测试样本集;步骤(2):构建改进的BP神经网络模型;步骤(3):将训练样本集作为训练样本输入步骤(2)构建的改进的BP神经网络模型中,利用模型设计样本,得到训练好的改进的BP神经网络模型和基于训练样本集板材的最佳等级分类结果,从而确定用于实验分析的最佳光谱数据波段;步骤(4):将测试样本集作为测试样本输入步骤(3)训练好的改进的BP神经网络模型中,利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类,从而实现古筝面板用木材的等级识别。 |
所属类别: |
发明专利 |