基于BP神經網絡的雞蛋新鮮度識別方法的研究.pdf

1、雞蛋具有很高的營養(yǎng)價值,深受消費者喜愛.蛋的內部品質的好壞直接影響食用品質.在銷售流通及加工方面,如能做到按新鮮度分級并按質論價,則既保護了消費者利益,又有利于生產經營者采取科學的管理,保證蛋的品質.因此,如何高效快速地檢測雞蛋的新鮮度,是亟待解決的課題.雞蛋新鮮度研究原理為:根據蛋的光學特性可知,鮮雞蛋對光的透射率會隨著貯存時間的延長而下降.光的透射率變化,表明蛋的內部品質發(fā)生了變化,這種變化可以用雞蛋內部物光信息的變化反映出來.該研

2、究用機器視覺及神經網絡技術建立雞蛋的新鮮度(哈夫值)與雞蛋光信息參數之間的相關關系,進行雞蛋新鮮度無損檢測與分級.雞蛋新鮮度模型建立過程是:先在試驗裝置上提取雞蛋的顏色信息(H、I、S),試驗設備由光源與光室、攝像頭與圖像采集卡及計算機組成;光源與光室提供檢測雞蛋圖像的環(huán)境;攝像頭攝取被檢測雞蛋透射光圖像并由圖像采集卡數字化后送入計算機;通過編制的雞蛋圖像分析程序,提取雞蛋圖像參數(H、I、S),再把雞蛋打破,測量并計算出雞蛋的真實新鮮

3、度(哈夫值),然后把哈夫值與試驗提取的雞蛋信息參靈敏(H、I、S)對應起來,并作為樣本數據.用MATLAB為工具,創(chuàng)建BP神經網絡模型,該網絡結構為:輸入層3個神經元;隱含層20個神經元,傳遞函數為tansig;輸出層3個神經元,傳遞函數為purelin.在建立雞蛋新鮮度檢測的BP神經網絡模式基礎上,該文設計出自動檢測系統(tǒng),對于外來雞蛋的顏色數據,在網絡初始化后,可以立即顯示出判別結果.用基于MATLAB的BP神經網絡技術檢測雞蛋新鮮度