基于神经网络和小波的肉类光谱识别方法研究

论文摘要

本文介绍了一种光纤探头式光谱采集分析系统,利用此系统测量不同肉类表面的反射光谱和确定其色坐标。信号的消噪和识别技术在当今信号处理系统中占有相当重要的地位。小波分析和神经网络是近年来兴起的一种信号分析方法。本文提出了一种基于小波平滑的人工神经网络肉类识别的方法。通过对光谱数据的特征分析,将会发现不同肉类在相同波段的差异。针对由于光纤材料的吸收、散射等原因导致光谱信号出现毛刺或异常点,另外,还含有杂散光或电路器件本身等引起的噪声,依据小波理论,对系统测得的含噪光谱信号进行了小波多分辨分析,选取较理想的分解层次,消去了光谱信号中的噪声,提高了测试系统的精度。然后尝试着把消噪后的可见谱(甚至是可见谱中的一小段)输入神经网络(BP网络)来实现对种类的识别。该方法的优点是有利于分析一些复杂的信号。仿真结果表明,利用此方法可以较好的对光谱信号进行识别。

论文目录

• 提要
• 第一章 绪论
• 1.1 本文研究的目的和意义
• 1.2 国内外相关研究的概况
• 1.3 本文的主要工作
• 第二章 生物表面光谱理论
• 2.1 生物表面辐射度特性的表征
• 2.2 生物表面色度表征的基本理论
• 2.3 工作标准白板
• 第三章 小波变换及BP 神经网络原理
• 3.1 小波变换理论
• 3.2 BP 人工神经网络
• 第四章 光谱测试系统结构
• 4.1 肉类识别光谱测试系统的结构
• 4.2 肉类识别光谱测试系统的技术参数
• 第五章 基于BP 神经网络的肉类识别方法
• 5.1 肉类表面光谱的测试及样本的简要分析
• 5.2 BP 人工神经网络对肉类的识别
• 第六章 基于小波预处理的神经网络肉类识别
• 6.1 基于小波变换的去噪方法
• 6.2 基于小波去噪的BP 神经网络肉类识别
• 结论
• 参考文献
• 摘要
• ABSTRACT
• 致谢