人工神经网络结合近红外光谱用于木材树种识别

摘要：

测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型.通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练.考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测.发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在97％以上；GRNN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在99％以上.

关键词：人工神经网络、木材树种识别、近红外光谱、方差分析

所属期刊栏目：32

分类号：O657.3(分析化学)

资助基金：北京市属高等学校人才强教计划项目PHR20100718;北京市自然科学基金项目6092021;质检公益性行业科研专项200910218

在线出版日期：2012-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2377-2381