首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 125 毫秒
1.
人工神经网络技术近年来在颜色空间变换或色域映射的研究中显示了特有的效果。人工神经网络用于粉末涂料配方的预测,其特点是用BP算法神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。通过对典型颜色样本训练和预测,结果表明基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,即用BP网络实现粉末涂料的配方预测。  相似文献   

2.
O432.3//TN312.8 2005042436 粉末涂料电脑配色的人工神经网络模型=Computer color matching of powder paints using neural networks[刊,中]/廖宁放(北京理工大学信息科学技术学院.北京 (100081)),窦柳明…//光学技术.-2005,31(1).-133- 135 提出一种基于多层BP人工神经网络的粉末涂料配方预测模型,用BP算法人工神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系,把人  相似文献   

3.
提出应用人工神经网络对互连导线间串扰问题进行预测的方法.选择对互连导线串扰响应有影响的相关参数作为输入预测因子,用基于误差反向传播的BP网络构造输入预测因子与串扰响应输出之间的映射关系,并用MTL和FDTD法计算获得的训练样本集对构造好的BP网络进行训练,建立基于BP网络的导线串扰的预测模型.最后,将串扰的BP预测结果和和测试样本进行比较,表明该方法有效.  相似文献   

4.
葡萄浆果糖度可见/近红外光谱检测的研究   总被引:4,自引:1,他引:3  
针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘(PLS)结合人工神经网络(ANN)建立葡萄浆果糖度的预测模型,利用偏最小二乘法(PLS)对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入.通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测.PLS-ANN模型对样本的预测模型检验参数r2为0.908,:RMSEP为0.112,Bi-as为0.013,好于只使用PLS模型的预测模型检验参数r2为00.863,RMSEP为0.171,Bias为0.024.结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础.  相似文献   

5.
研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。  相似文献   

6.
基于枸杞红外光谱人工神经网络的产地鉴别   总被引:1,自引:0,他引:1  
应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱,测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正,小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度,在利用人工神经网络建立模型之前,通过小波变换的方法对光谱变量进行了压缩,同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明,建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。  相似文献   

7.
为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型。利用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解。将该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较。结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性。  相似文献   

8.
基于高光谱成像的苹果多品质参数同时检测   总被引:7,自引:0,他引:7  
利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测。采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型。结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94。采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63。研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数。  相似文献   

9.
研究了应用人工神经网络进行粉末药品的非破坏定量分析,使用扑热息痛粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,采用逼近度作为网络新的评价标准,由于人工神经网络好的非线性的多变量校正特点,预测结果是准确的。  相似文献   

10.
为了实现人工复眼系统的三维探测,针对人工复眼视场大、成像过程复杂等问题,提出一种基于双柱面法和反向传播(BP)神经网络的整体几何标定方法。该方法利用BP神经网络对任意复杂非线性关系的强大映射能力,分别在前后两个柱面上对复眼上的每个子眼进行隐式标定,建立图像像素坐标与柱面上二维坐标的映射关系。三维测量时一个图像上的点映射为前后柱面上的两个点,连接这两个点得到一条空间直线,通过最小二乘法求解多条空间直线的交点即可求得三维目标点的坐标。实验结果表明:在人工复眼60°×30°的视场范围的横向测量误差在1mrad以内,纵向相对误差在0.6%左右。与传统的基于小孔模型的标定方法相比,该方法无须考虑复眼子眼的成像模型及其参数求解,而且由于整体标定过程是在同一世界坐标系下进行的,也不必精确知道各个子眼间的位置和朝向关系。此方法完全适用于人工复眼系统的几何标定,能够满足其大视场、高精度的标定要求。  相似文献   

11.
色貌模型的人工神经网络方法的研究   总被引:8,自引:1,他引:7  
色貌模型(CAM)主要解决不同观察条件、不同背景和不同环境下的颜色真实再现问题。采用人工神经网络(ANN)的方法来实现目前最新的色貌模型CIECAM02的预测,包括正向预测(从色度参数到色貌属性参数)和逆向预测(从色貌属性参数到色度参数),应用自然色系统(NCS)中的部分色样作为神经网络的训练和测试样本。由于正向输出色貌属性参数空间不是均匀的,对于网络预测精度用特殊方法评估,而对于逆向模型则可直接利用LAB色差公式评价。测试的结果表明:用神经网络对CIECAM02模型的预测达到了较高的精度。  相似文献   

12.
基于BP神经网络的数码相机特性化   总被引:4,自引:0,他引:4  
由于数码相机的颜色空间是依赖于设备的,对于一个具体的数码相机,其光谱响应与设备独立的CIE标准观察者颜色匹配函数是一个非线性关系,因此不能真实复制场景的颜色。特性化彩色图像设备是提高图像的颜色复制质量的一个重要方法。介绍一种基于BP神经网络数码相机特性化方法。采用Munsell颜色系统作为目标色,大样本训练空间。测试了不同的网络结构和样本空间分布。训练样本平均色差为1.75CMC(1∶1)色差单位,测试样本为2.16。该方法在数码相机颜色测量、光谱重建等领域有广泛的应用前景。  相似文献   

13.
基于孟塞尔系统的阴极射线管特性化新方法   总被引:1,自引:1,他引:0  
提出了一种新的阴极射线管特性化的方法。该方法的特点是采用“视觉匹配”方法,在反射体表面色和白发光体之间映射一些色貌因素,但没有使用任何复杂的色貌模型。是一种考虑了一些色貌因素的阴极射线管特性化方法。由于该问题的个性因素较多,采用BP神经网络实现色空间的非线性映射。实验结果表明,只要阴极射线管被标定,在办公室环境下,该方法可以改进在不同的阴极射线管上重现的颜色。采用3-7-7-3简单的网络结构;分色相样本训练。训练样本平均色差可以达到3.07L^*u^*v^*色差单位,测试样本平均色差可以达到4.55L^*u^*v^*色差单位,小于阴极射线管的最大可接受色差,结果是令人满意的。这在电子商务和办公自动化方面有广泛的用途。  相似文献   

14.
胡威捷  刘小华 《光学技术》2006,32(2):183-185
采用光学积分原理设计的光电色度仪器,由于其结构简单、测量速度快、成本低等优点已被广泛地应用在产品的色度检验控制过程中。基于微型颜色传感器的颜色测量仪器也属于光电色度类仪器,由于它不能完全模拟标准色度观察者和标准光源,即不能完全满足卢瑟(Luther)条件,所以其测量值RGB与三刺激值XYZ并不相等,且存在非线性关系。讨论了采用BP神经网络进行微型颜色传感器颜色特性校正的方法,其优点是对仪器的匹配滤色片要求较低,只要在测量软件中增加训练好的校正网络程序,就可以获得准确的颜色三刺激值。  相似文献   

15.
基于BP网络的打印机色彩控制技术   总被引:2,自引:1,他引:1  
周双全 《光学技术》2000,26(1):49-51
报道了一种基于BP网络的打印机色彩控制技术。作为控制器模型的BP网络通过学习打印机的输入/输出特性,实现颜色数据从CIELAB到打印机色空间的转换。实验结果表明,利用BP网络可以控制打印机实际输出与希望输出颜色之间的平均色差为4-23ΔE*ab 。  相似文献   

16.
Colorimetric calibration of color imaging devices is important to realize device independent color reproductions. However the calibration for digital or video cameras is difficult because a color image is acquired for unknown objects under various unknown illuminants. An experiment was carried out based on two computational color constancy models, the finite-dimensional linear model and the spectral sharpening model, to estimate colorimetric values using image data of a color chart captured by video camera. We estimated the colorimetric values by using a single reference reflectance with known spectral reflectance in a color chart under an unknown illuminant. The accuracy was evaluated by color differences in CIELAB color space and was compared on three different color charts under three different illuminants including a fluorescent lamp. It was confirmed that the two computational models do not require prior knowledge of illuminants and surfaces. The finite-dimensional linear model gave more accurate results than the spectral sharpening model in the simulations and experiments.  相似文献   

17.
基于彩色扫描仪的图像光谱重构   总被引:5,自引:0,他引:5  
邹文海  徐海松  王勇 《光学学报》2007,27(5):59-863
针对彩色扫描仪的特点,采用主元分析法(PCA)和反向传播(BP)人工神经网络(ANN)相结合的方法对图像光谱重构进行研究。选择IT8.7/2标准色卡作为训练样本,将该色卡中的另一组色靶作为检验样本以讨论不同网络结构以及不同主元数和训练样本数对光谱重构的影响,再以自然色系统(NCS)色卡为检验样本来分析不同种类的训练和检验样本与光谱重构性能的关系。实验结果表明,采用3-14-6网络结构和6个主元数是最佳选择,训练样本和扫描目标之间的一致性是基于彩色扫描仪图像光谱重构的关键所在。  相似文献   

18.
为实现高效短程生物脱氮及氨氮和亚硝酸盐氮的快速检测,采用主成分分析结合BP神经网络的方法建立短程生物脱氮工艺中氨氮和亚硝酸盐氮的近红外光谱定量分析模型(BP神经网络模型)。工艺运行结果表明:原水经过好氧阶段氨氮从45.3 mg·L-1下降到2.7 mg·L-1,亚硝酸盐氮从0.01 mg·L-1上升到19.6 mg·L-1,硝酸盐氮受到抑制;在缺氧段亚硝酸盐氮从19.6 mg·L-1下降至1.2 mg·L-1,系统实现了良好的短程生物脱氮效果。水样原始光谱主成分分析表明:前13个主成分代表了原始光谱数据的信息,其累计贡献率达到95.04%,排除了冗余信息且大大降低了模型的维数,光谱数据矩阵从192×2203减少到192×13,大大降低了运算量并提高了模型的精度。BP神经网络模型校正结果显示:BP 神经网络模型对氨氮、亚硝酸盐氮校正时的决定系数(R2)分别达到0.9504和0.9762,校正均方根误差(RMSECV)分别为0.0166和0.0109。BP神经网络模型预测结果显示:BP神经网络模型对氨氮、亚硝酸盐氮预测输出与期望输出之间的决定系数(R2)分别为0.9740和0.9814,预测均方根误差(RMSEP)分别为0.0337和0.0287,模型预测效果良好。研究表明,BP神经网络模型可以通过快速测定水样的近红外光谱数据预测短程生物脱氮工艺中氨氮和亚硝酸盐氮浓度,并根据氨氮和亚硝酸盐氮浓度变化及时、灵活地控制工艺的运行,为生物脱氮提供快速有效的检测技术和科学依据。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号