《表3 BP-ANN模型的预测结果》

  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

《基于计算机图像处理技术与红外特征光谱融合的兔肉熟食识别方法》

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

利用BP-ANN算法进行兔肉熟食掺假模型的建立，需对其进行小波变换处理，这样可以将原有全光谱冗杂的数据量压缩，提取有效信息，提高有效信号所占比重。经过软件分析，确定了最佳网络结构。输入层（200个）-隐含层（10个）-输出层（1个），具体学习过程为：学习速率为0.05，初始权重为0.3，动量为0.2，最小误差为0.0005。BP-ANN模型的预测结果见表3，训练总时间花费19s，总体来看预测准确率为99.45%。利用BP-ANN模型对已知掺假比例的预测集进行预测，对于这7组样品，预测相对误差随着掺假量（猪肉比例）的增加而减小，最小可达3.5%，所有含量的相对误差均在6%以内。结果表明，利用近红外光谱数据建立的BP-ANN模型能够较为准确地定量检测和预测兔肉熟食中猪肉的掺假比例。