《表4 三种神经网络模型预测茶叶品质等级的性能总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器视觉的茶叶品质自动检测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

神经网络模型（BPMLP、RBFN和GRNN）预测茶叶品质等级的性能总结如表4所示.以看出，三种模型都能获得较高的识别率，预测精度平均百分比MPPA的数值都能在90%左右.另一方面，BP-MLP和GRNN的预测误差最大值（MaxPE）分别为17.06%和12.99%，低于RBNF的9.12%，表示RBNF的预测精度下限高于GRNN和BP-ML.BP-MLP和GRNN标准差分别为2.23和2.08，方差分别为4.95和4.34，RBNF的标准差为1.33，方差为1.76，均低于其他两种模型，表示RBNF的检测稳定性高于其他两者.因此，对于茶叶品质的自动检测可以清楚地观察到RBFN的性能优于BP-MLP和GRNN，故选用RBFN作为检测系统的神经网络模型.