基于BP神经网络的大豆种子外观品质质量检测技术研究

魏 剑

(黑龙江省科学院，哈尔滨 150001)

大豆是主要的农作物及经济作物之一。我国大豆种植面积和总产量都位居世界第四。大豆的生产形式通常为混合种植、混合收购，这种传统的生产方式不能使优质大豆产品得到更好的经济收益。高蛋白、高品质大豆的专门性种植、筛选是提高经济效益的有效途径，这需要对大豆种子的质量严格把关。20世纪80 年代，人工神经网络在人工智能领域成为研究热点。神经网络是通过对人脑的模拟和抽象[1]，从信息处理角度建立一种简单模型，由不同的连接方式形成不同类型的网络，是人工智能的高科技产物。由大量节点构成网络，节点是一种函数，称为激励函数。节点之间的连接是权重，激励函数和权重的不同，影响网络的输出结果。

1 Matlab中神经网络的构建

1.1 Matlab中典型的n维神经元模型

Matlab中典型的n维神经元模型如图1。

图1 典型n维网络神经元模型

其中，p1，p2，…，pn为神经网络的n个输入，用n维向量表示为：

p=[p1,p2,…,pn]T

(1)

w1,w2,…,wn表示网络权值，是输入和神经元之间的关联度，设b代表神经元阈值，则输出表示为：

a=f(wp+b)

(2)

常见的传递函数f有线性函数、S函数、硬现幅(包括符号函数)函数。在Matlab中，以上的传递函数—线性函数、S函数、硬限幅函数分别是purelin函数、logsig函数、hardlim函数。

1.2 神经网络的学习和训练

神经网络的学习和训练目的是调整合适的神经元模型中的权值w和阈值b[2]。

学习是通过输入层输入信息，传递给中间层神经元，最终到达输出层。学习过程分为监督学习和无监督学习，通过反复对比实际输出和目标输出，调整权值和阈值，使实际输出不断接近目标输出。……