基于概率神经网络的粮食早期霉变识别研究-计算机应用与软件.pdf

第２８卷第９期　　　 计算机应用与软件 Ｖｏｌ２８Ｎｏ．９ ２０１１年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１１ 基于概率神经网络的粮食早期霉变识别研究 １ ２ ３ 吴莉莉 　黄品高 　惠国华 １（河南农业大学理学院　河南郑州４５０００２） ２（桂林电子科技大学教学实践部　广西桂林５４１００４） ３（浙江工商大学食品与生物工程学院　浙江杭州３１００３５） 摘　要　　提出了一种基于概率神经网络的粮食早期霉变识别方法。实验中电子鼻系统采集了４种粮食作物及霉变数据共８类， 对这些数据样本进行特征提取，得到了６４组训练数据和４８组测试数据。利用概率神经网络对特征数据进行分类识别，识别率为 ９３．７５％。实验结果表明，该方法对粮食作物种类及其早期霉变的识别是行之有效的。 关键词　　早期霉变　概率神经网络　电子鼻　特征提取 中图分类号　ＴＰ１８３　　　　文献标识码　Ａ ＯＮＩＤＥＮＴＩＦＹＩＮＧＥＡＲＬＹＧＲＡＩＮＳＭＩＬＤＥＷＩＮＧＢＡＳＥＤＯＮ ＰＲＯＢＡＢＩＬＩＳＴＩＣＮＥＵＲＡＬＮＥＴＷＯＲＫ １ ２ ３ ＷｕＬｉｌｉ　ＨｕａｎｇＰｉｎｇａｏ　ＨｕｉＧｕｏｈｕａ １（ＣｏｌｌｅｇｅｏｆＳｃｉｅｎｃｅｓ，ＨｅｎａｎＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００２，Ｈｅｎａｎ，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＴｅａｃｈｉｎｇａｎｄＰｒａｃｔｉｃｅ，ＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ５４１００４，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ） ３（ＣｏｌｌｅｇｅｏｆＦｏｏｄＳｃｉｅｎｃｅａｎｄＢｉｏｔｅｃｈｎｏｌｏｇｙ，ＺｈｅｊｉａｎｇＧｏｎｇｓｈａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００３５，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｍｅｔｈｏｄｏｆｒｅｃｏｇｎｉｓｉｎｇｅａｒｌｙｇｒａｉｎｓｍｉｌｄｅｗｉｎｇｂａｓｅｄｏｎｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｉｎｔｈｅ ｅｘｐｅｒｉｍｅｎｔ，４ｓｅｔｓｏｆｇｒａｉｎｓａｎｄｔｈｅｉｒｅａｒｌｙｍｉｌｄｅｗｉｎｇｄａｔａｔｏｔａｌｌｉｎｇ８ｋｉｎｄｓｏｆｄａｔａｗｅｒｅｃｏｌｌｅｃｔｅｄｂｙｔｈｅｅｌｅｃｔｒｏｎｉｃｎｏｓｅｓｙｓｔｅｍ，ａｎｄｔｈｅ ｆｅａｔｕｒｅｏｆｔｈｅｓｅｄａｔａｓａｍｐｌｅｗｅｒｅｅｘｔｒａｃｔｅｄ，ｔｈｅｒｅｗｅｒｅ６４ｇｒｏｕｐｓｔｒａｉｎｉｎｇｄａｔａａｎｄ４８ｇｒｏｕｐｓｔｅｓｔｉｎｇｄａｔａｏｂｔａｉｎｅｄ．Ｔｈｅｆｅａｔｕｒｅｄａｔａｗｅｒｅ ｃｌａｓｓｉｆｉｅｄａｎｄｒｅｃｏｇｎｉｓｅｄｕｓｉｎｇｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｗａｓ９３．７５％．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅｍｅｔｈｏｄｉｓ ｅｆｆｅｃｔｉｖｅｉｎｒｅｃｏｇｎｉｓｉｎｇｇｒａｉｎｔｙｐｅｓａｎｄｔｈｅｉｒｅａｒｌｙｍｉｌｄｅｗｉｎｇ． Ｋｅｙｗｏｒｄｓ　　Ｅａｒｌｙｍｉｌｄｅｗｉｎｇ　Ｐｒｏｂａｂｉｌｉｓｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｓ　Ｅｌｅｃｔｒｏｎｉｃｎｏｓｅ　Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ 麦、红豆和小米等四种粮食作物及其早期霉变数据进行分类识 ０　引　言 别，以期消除人为主观因素的影响，获得较高的识别精度。 粮食