广西师范大学学报(自然科学版) ›› 2014, Vol. 32 ›› Issue (2): 14-19.

• • 上一篇    下一篇

基于BP神经网络的竹片正反面识别算法

王冬旭, 宋树祥, 蒋品群   

  1. 广西师范大学电子工程学院,广西桂林541004
  • 收稿日期:2013-10-23 出版日期:2014-06-25 发布日期:2018-09-25
  • 通讯作者: 宋树祥(1970-),男,湖南双峰人,广西师范大学教授,博士。E-mail:songshuxiang@mailbox.gxnu.edu.cn
  • 基金资助:
    国家自然科学基金资助项目(61061006);广西区研究生创新计划项目(YCSW2012060)

The Algorithm of Identifying the Front Side of Bamboo Based on BP Neural Network

WANG Dong-xu, SONG Shu-xiang, JIANG Pin-qun   

  1. College of Electronic and Engineering, Guangxi Normal University, Guilin Guangxi 541004, China
  • Received:2013-10-23 Online:2014-06-25 Published:2018-09-25

摘要: 针对竹片自动检测领域中竹片正反面识别率低的问题,提出基于BP神经网络的竹片正反面识别算法,构建并训练一个三层的3输入1输出的BP神经网络模型;提取竹片的2个纹理特征和灰度值特征值,输入经过训练的神经网络模型,计算预测的识别结果。实验结果表明:基于BP神经网络的竹片正反面识别算法在最小风险的原则下的反面识别率为97%;正面的识别率为98%;稳定性明显高于单一特征识别的稳定性。

关键词: 竹片正反面, 神经网络, 纹理特征, 灰度特征

Abstract: In order to improve the low rate of detecting the front side of a bamboo in chip in the bamboo automatic detection field, the paper present an algorithm of identifying the front side of the bamboo chip based on BP neural network. A model of BP neural network wa built with three layers of three input and one output. The operation flow is as follow: extract the front and reverse side’s textural features and characteristic value of gray value, then import these data into the trained model, and at last calculate the predicting results. The experiment results show that the algorithm can identify 96% of the reverse side and 95% of the front side under the principle of minimum risk. Therefore, the stability of the algorithm is stronger than any other method with signal feature.

Key words: the front and reverse side of bamboo, neural network, textural features, characteristic value of gray value

中图分类号: 

  • TP391.41
[1] 高程程,惠晓威.基于灰度共生矩阵的纹理特征提取[J].计算机系统应用,2010,19(6):195-198.
[2] 李晓阳,唐普英.基于灰度共生矩阵的图像纹理特征提取分析[J].自动化信息,2012(9):28-30.
[3] JIN Hong-lei, ZHANG Zhen-hua, LI Li-yuan, et al. Surface roughness detection based on texture analysis[J].Journal of Image and Graphics,2000,5(7):612-615.
[4] 许舒雯,吴淑莲,李晖.基于灰度共生矩阵的人体皮肤纹理分析[J].激光生物学报,2011,20(3):324-428.
[5] 周品.Matlab神经网络设计与应用[M].北京:清华大学出版社,2013.
[6] 张国翊,胡铮.改进BP神经网络模型及其稳定性分析[J].中南大学学报:自然科学版,2011,42(1):115-124.
[7] 李建伟,程晓卿,秦勇.基于BP神经网络的城市轨道交通车辆可靠性预测[J].中南大学学报:自然科学版,2013(S1):42-46.
[8] TALEB A., BENYETTOU A. Arabic vowels fuzzy neural network recognition[J].Journal of Applied Sciences, 2010, 10 (10):848-851.
[9] RUAN Xiao-gang, DAI Li-zhen. Vehicle study with neural networks[J].Physics Procedia, 2012, 25:814-821.
[10] 李苏梅,韩国强,周咏梅.一种基于BP神经网络的颜色空间量化方案[J].广西师范大学学报:自然科学版,2008,26(1):232-235.
[11] 周华杰,李宁.基于神经网络集成的乳腺肿瘤诊断系统[J].广西师范大学学报:自然科学版,2006,24(4):199-202.
[12] LIN Cheng-jian, WANG Jun-guo, LEE Chi-yung. Pattern recognition using neural-fuzzy networks based on improved particle[J]. Expert Systems with Applications, 2009, 36(3):5402-5410.
[1] 马玲, 罗晓曙, 蒋品群. 一种基于PNN的点阵喷码字符识别方法[J]. 广西师范大学学报(自然科学版), 2020, 38(4): 32-41.
[2] 李雅岱, 韦笃取. 含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版), 2020, 38(3): 19-24.
[3] 严浩, 许洪波, 沈英汉, 程学旗. 开放式中文事件检测研究[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 64-71.
[4] 刘欣, 罗晓曙, 赵书林. 基于BP神经网络的三轴增稳云台自抗扰控制[J]. 广西师范大学学报(自然科学版), 2020, 38(2): 115-120.
[5] 罗兰, 周楠, 司杰. 不确定细胞神经网络鲁棒稳定新的时滞划分法[J]. 广西师范大学学报(自然科学版), 2019, 37(4): 45-52.
[6] 范瑞,蒋品群,曾上游,夏海英,廖志贤,李鹏. 多尺度并行融合的轻量级卷积神经网络设计[J]. 广西师范大学学报(自然科学版), 2019, 37(3): 50-59.
[7] 许伦辉, 陈凯勋. 基于改进萤火虫算法优化BP神经网络的路网速度分布预测[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 1-8.
[8] 张金磊, 罗玉玲, 付强. 基于门控循环单元神经网络的金融时间序列预测[J]. 广西师范大学学报(自然科学版), 2019, 37(2): 82-89.
[9] 黄丽明, 陈维政, 闫宏飞, 陈翀. 基于循环神经网络和深度学习的股票预测方法[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 13-22.
[10] 武文雅, 陈钰枫, 徐金安, 张玉洁. 基于高层语义注意力机制的中文实体关系抽取[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 32-41.
[11] 林原, 刘海峰, 林鸿飞, 许侃. 基于损失函数融合的组排序学习方法[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 62-70.
[12] 王祺, 邱家辉, 阮彤, 高大启, 高炬. 基于循环胶囊网络的临床语义关系识别研究[J]. 广西师范大学学报(自然科学版), 2019, 37(1): 80-88.
[13] 薛洋,曾庆科,夏海英,王文涛. 基于卷积神经网络超分辨率重建的遥感图像融合[J]. 广西师范大学学报(自然科学版), 2018, 36(2): 33-41.
[14] 万雷,罗玉玲,黄星月. 脉冲神经网络硬件系统性能监测平台[J]. 广西师范大学学报(自然科学版), 2018, 36(1): 9-16.
[15] 钟海鑫, 丘森辉, 罗晓曙, 唐堂, 杨力, 赵帅. 基于附加惯性项BP神经网络的四旋翼无人机姿态控制研究[J]. 广西师范大学学报(自然科学版), 2017, 35(2): 24-31.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报(自然科学版)编辑部
地址:广西桂林市三里店育才路15号 邮编:541004
电话:0773-5857325 E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发