《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》
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。
图表编号 | XD00127536000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.10 |
作者 | 孙乃旭 |
绘制单位 | 濮阳医学高等专科学校 |
更多格式 | 高清、无水印(增值服务) |