论文题目: 利用光谱和神经网络技术的生物表面特性研究
论文类型: 博士论文
论文专业: 通信与信息系统
作者: 孟宪江
导师: 申铉国
关键词: 生物表面,光纤探头,光谱信号衰减,神经网络,肉品新鲜度
文献来源: 吉林大学
发表年度: 2005
论文摘要: 本文设计了一种光纤探头式光谱采集分析系统,针对由于光纤材料的吸收、散射等原因导致光谱经过光纤传输后发生衰减的问题,提出了比值校正法、权值平均比值校正法和傅立叶频谱校正法。整个测色系统的测色波长误差小于0.4nm,色坐标误差小于0.01。以苹果表皮微区作为研究对象,测量碰痕、烂痕、疤痕和无明显伤痕四类样本不同情况下的反射光谱,并进行色度分类分析。采用建立的三级误差反向传播的前馈型神经网络(BP 网络),确定反射光谱与生物特性的关联模型,并分析了网络参数调整对网络性能的影响。实验表明,该系统在加入20%的白噪声时,其分辨准确率在85%以上。并提出了新的网络分类结果表示方法——隶属度表示法。以肉品作为研究对象,通过测得的光谱对肉品的新鲜度进行色度分类分析;建立神经网络对肉品新鲜度进行分析,训练样本判别的准确率达到93.3%以上;检验样本的判别准确率为80%以上。本文为生物表面特性进行分类分析提供了理论和实验依据,对生物表面测试仪器的实用化会起到积极的推动作用。
论文目录:
第一章 绪论
1.1 研究目的和意义
1.2 国内外研究状况及动态
1.3 本研究的主要内容
第二章 光谱学发展及生物表面光谱的色度表征
2.1 光谱学的发展及其应用
2.1.1 光谱学的产生和发展
2.1.2 光谱分析方法
2.2 生物表面辐射度特性的表征
2.3 生物表面色度表征的基本理论
2.3.1 颜色表征的物理量
2.3.2 CIE 标准色度系统
2.3.3 CIE 三刺激值和色坐标的计算方法
2.4 工作标准白板
2.5 本章小结
第三章 生物表面光谱测试系统设计
3.1 光谱测试系统的结构
3.1.1 光源
3.1.2 光采集和传输系统
3.1.3 分光系统原理
3.1.4 光电转换系统
3.1.5 数据处理系统
3.2 光谱测试系统的技术参数
3.3 测试系统技术指标的验证
3.3.1 测试系统波长的定标
3.3.2 测试系统的色坐标精度验证
3.4 光纤的传输特性
3.4.1 光纤的损耗
3.4.2 光纤的色散
3.5 光纤探头的结构设计
3.6 光纤传输引起信号畸变的校正
3.6.1 光纤衰减的比值校正法
3.6.2 光纤衰减的权值平均比值法
3.6.3 光纤衰减的傅立叶频谱校正法
3.7 光纤衰减校正的色度验证
3.8 本章小结
第四章 苹果表面光谱测试及色度分析
4.1 样本选取
4.2 苹果表面光谱的测试分析
4.3 苹果表面光谱的色度识别
4.4 本章小结
第五章 神经网络原理与误差反向传输算法
5.1 神经网络的发展及应用
5.1.1 神经网络的产生和发展
5.1.2 神经网络的技术特点
5.1.3 神经网络应用前景与发展趋势
5.2 人工神经元
5.2.1 生物神经元结构
5.2.2 人工神经元
5.2.3 人工神经元的数学描述
5.3 人工神经网络结构
5.3.1 人工神经网络的拓扑结构
5.3.2 人工神经网络的学习规则
5.4 多层前馈神经网络误差逆向传播算法
5.4.1 多层前馈神经网络结构
5.4.2 BP 算法
5.5 本章小结
第六章 神经网络用于苹果表面特性分类研究
6.1 网络参数调整对光谱识别的影响
6.1.1 BP 人工神经网络输入输出数据及节点数的确定
6.1.2 隐层中神经元个数对网络性能的影响
6.1.3 输出值范围对网络识别能力的影响
6.1.4 网络对白噪音干扰的分辨能力
6.2 BP 神经网络对苹果光谱特性的分类结果
6.2.1 BP 网络建立和识别过程以及分类结果
6.2.2 BP 神经网络分类结果分析
6.3 利用隶属度表示分类结果的初步研究
6.4 本章小结
第七章 肉品新鲜度的光谱分类方法研究
7.1 肉品新鲜度的分类
7.2 肉品新鲜度的常规检测方法
7.3 肉品样本的光谱测试及色度分类识别
7.3.1 肉品样本光谱测试分析
7.3.2 肉品样本的色度识别
7.4 神经网络用于肉品新鲜度识别
7.5 本章小结
第八章 结论
8.1 本研究的结论
8.2 今后的研究方向和建议
参考文献
作者在攻读博士期间发表论文情况
致谢
论文摘要(中文)
论文摘要(英文)
发布时间: 2005-08-26
参考文献
- [1].基于深度学习的交互式问答技术研究[D]. 周小强.哈尔滨工业大学2017
- [2].基于忆阻的神经网络的动力学分析及应用[D]. 李若霞.东南大学2017
- [3].基于卷积神经网络的心电信号检测和分类研究[D]. 项延德.浙江大学2018
- [4].终态神经网络及其相关应用[D]. 孔颖.浙江工业大学2017
- [5].面向图像目标识别和检测的深度神经网络关键技术研究[D]. 李扬.北京邮电大学2018
- [6].深度模型简化：存储压缩和计算加速[D]. 李皈颖.中国科学技术大学2018
- [7].基于神经网络和支持向量机的麦蚜发生动态预测研究[D]. 靳然.山西农业大学2017
- [8].基于卷积神经网络的生物医学信号分类与重构[D]. 焦志成.西安电子科技大学2018
- [9].基于脉冲神经网络的纹理图像识别研究[D]. 张振敏.福建师范大学2016
- [10].基于扩展神经网络的非线性不确定系统自适应控制设计研究[D]. 陈浩广.广东工业大学2017
相关论文
- [1].近红外光谱技术及其在生物医学中的应用研究[D]. 丁东.吉林大学2004
- [2].基于神经网络的建模方法与控制策略研究[D]. 王俊国.华中科技大学2004
- [3].多输出神经元模型的多层前向神经网络及其应用[D]. 沈艳军.华中科技大学2004
- [4].前向神经网络学习问题研究及其在转台控制中的应用[D]. 盛守照.南京航空航天大学2005
- [5].遗传算法与小波神经网络中若干问题的研究[D]. 刘守生.南京航空航天大学2005
- [6].近红外光谱技术在药品检测中的应用研究[D]. 白英奎.吉林大学2005
- [7].时滞递归神经网络的动态特性研究[D]. 季策.东北大学2005
- [8].基于神经网络的模拟电路故障诊断方法研究[D]. 王承.电子科技大学2005
- [9].基于小波和神经网络的大规模模拟电路故障诊断研究[D]. 谭阳红.湖南大学2005
- [10].视频对象自动分割技术及其细胞神经网络实现方法的研究[D]. 张庆利.上海大学2005