分析了猪肉新鲜度检测识别机理,构建了一套基于电子信息、光电检测、图像处理技术以及神经网络模式识别技术的智能检测辨识系统。对猪肉样本的测试与分析验证了该方法可快速准确地识别猪肉新鲜度。
维普资讯 doc.guandang.net
8 0
农
业
机
械
学
报
S一=I aco Tcs L
丽 3 二
E i( G,) mnR, B 3
() 2 J () 3
切S形函数,输出层采用线形函数。
当 G≥B时, ( )换算出 E。10]间的式 3可 o,8。之 H值。当 G<B时,值大于 10,时 H值为 H 8。这 日一 3 0一 6。
∞o S l
厂
( R—G) (+ R— B)
干 =
j J
]
(J a
【J b
2 3图像增强处理 .
图 4图像增强处理 Fi . Pit r s o t e g h n d te t n g 4 c u e fsr n t e e r a me t
如果图像在成像时对比度不足,将图像的颜应
()原图 ()直方图均衡变换结果 a b
色线性扩展。原图像 f z,的颜色范围为,]设 ( ) 6, 希望变换后的图像 g( ) x,动态范围为[,, c]则 ,
3 2神经网络训练和模型的建立 . Malb神经网络工具箱中的初始化函数、练 t a训
)一
罄
+ ( 4 )
函数和仿真函数稳定可靠,算精度高, P算法的计 B程序设计主要是调用神经网络工具箱的相关函数。 P网络的权值和阙值在使用函数 nwf创建]B e f B网络后, P网络会自动地初始化权值和阈值,省缺值都是 0本文神经网络权值和阈值采用默认值,。通过调节隐层神经元的数目提高网络的准确率。主要
对猪肉图像进行直方图均衡变换,变量,表设 .示要增强图像中的颜色级数, 0 2 5经归一化即~ 5,处理后有 0 .。增强后的颜色级为 SS,的≤,≤1设,与 .关系为 s—T()且 s r。=T()足: 0≤ 1T( ) r满①≤r, r
单调增加。 0 . 10
②≤,,≤ () 1≤,≤。颜色级,离 . .是 散量,{,一0 1,即 k,…一1。中是颜色级的数 )其目。设为图像中颜色级的像素数,图像中 为像素的总数。则 ^
算法的程序设计如下: ()选择训练样本的输入数据和目标输出数据 1 选取经试验测得的 6组数据中的 4组作为训 0 0练网络的输入向量 P,选取其中 4 O组对应的 TVB—
5 丁( ) :
n z
() 5
N数据作为训练网络的目标输出向量 t另外有 2, 0 在式 () 5变换下,字图像的直方图成为均匀分数
组数据用来检验利用神经网络所建模型的准确度。 ( )利用 pet 2 rsd函数对样本数据进行处理 E n me n,tp t me n,tt=pet (£ p, a p sd, n, a tsd- rsd p,)]
布形状,直方图均衡变换。在均衡变换具体实现即 中,由于颜色级的离散性,强后的颜色级不会增增 加,色级只能有 0 1 (颜,/一1,/一 1,,, )2( )… 1共
( )生成一个新的前向神经网络 3
个,但,一0 1…, 1并不一定能恰好对应 k,,一 )
nt e fmima p ) E O 1,‘ ni’ e:nwf( n x(n, l,]{t s, a g ‘u ei 1‘ an m’ p rl n’,t i l ) r
这L个离散值,因而必须对每一个 .给出一个接近 s t 的 (/一1的值,≤ ) 0≤一1。这样就造成不同 5 合并成同一颜色级,以减少图像颜色级换取对比度
()设置输入层和隐层的权值和阈值、置训 4设 练参数 ne . r i a a . po hs一 50 t t a np r m e c 0:
的扩大。具体实现的步骤是:①求出直方图。求出② 变换函数 S= (,≤是 ) 0≤L一1③合并 5。以。④合并后的 5增强图像。 图像增强处理结果如图 4所 示。
n t t a n a a . o l 1一 3;…… e .r i p r m g a= e
() 5调用训练函数进行 B P网络训练 n t -ri n t p t e - t an( e, n,n)
3基于神经网络的多数据融合 3 1神经网络结构 .进行神经网络设计的首要任务就是网络结构的
( )对 B 6 P网络进行仿
真 a n= sm ( e, n) i n tp
( )真结果数据还原处理 7仿 a p s s d a me n, t t = o t t ( n, a t s d )
确定,内容包括输入/输出量、隐层个数、隐层神经元 数目以及各层传递函数的确定。分析,经神经网络输入数据为 NH。H。、 S含量和Ⅳ、值, 5、目标输出数据为 TVB—N值。本文采用含有一个隐层的 3层 B P神经网络,隐层神经元的数目选 1, 0隐层采用正
网络训练的结果如图 5所示,图中可以看出从网络具有非常好的学习能力,当进行第 4 6次训练 时,达到了预先设置的网络性能函数误差值就 00 1 . 0。图 6为网络输出与目标输出之间的误差 (即 e -a,—f )可见 B P网络就有很好的函数逼近能力,

猪肉在储藏、加工和运输过程中因为腐败会挥发出氨气、硫化氢等,据此选择8个金属氧化物半导体气敏传感器构成检测阵列,运用改进的BP神经网络算法建立猪肉新鲜度智能检测...
基于Matlab的神经网络猪肉新鲜度测定与研究_专业资料。系统地阐述了肉类新鲜度的智能检测方法。采用多数据融合技术,在Matlab平台下,仿真模型对肉的新鲜度达到了很好...
多源信息融合技术的猪肉新鲜度检测方法研究_专业资料。随着猪肉产量的提高和人们... 猪肉新鲜度的智能检测方... 36人阅读 4页 2.00 猪肉新鲜度检测方法...
因此努力做好肉类新鲜度的检测对 于保障人民食肉安全 , 维护消费者的切身利益 , 以及 更好地实施放心肉工程有着重要的现实意义。在众多 实际检验猪肉新鲜度的方法...
基于生产MIS的变电站智能巡... 2页 1财富值 几种肉品实验室快速检验方......2010 基于稳态空间分辨光谱的猪肉新鲜度检测方法文 星 1,梁志宏 2,张根伟 1,...
猪肉新鲜度的检测及肉质综合评定_专业资料。对随机采取的40头(份)市售鲜猪肉...检测结果显示,pH值、氨值、球蛋白与H2S等4项指标的测定结果与国家标准方法测定...
基于电子鼻的猪肉新鲜度的检测_环境科学/食品科学_工程科技_专业资料 暂无评价
电子鼻检测猪肉新鲜度的研究_专业资料。本实验用电子鼻技术检测了猪肉在不同实验条件下挥发性成分的变化,考察了保存温度和时间对猪肉挥发性成分的影响。通过对在5...
近年来, 智能检测方法引入到了猪肉的新鲜度 检测中 [ 2] 。 近红外光 ( N IR) 是介于可见光 ( VLS ) 与中红外光 (M I R ) 之间的 电波, 美国材料 ...
仪( Eye1. 2 方法 新鲜度指示卡制备: 称取 0. 7 g 羟丙基甲基纤维 素... 猪肉新鲜度的智能检测方... 暂无评价 4页 2.00 基于电子鼻的猪肉新鲜...
热门文档