[發明專利]一種基于徑向基函數神經網絡模型的翡翠手鐲品質分級方法

在審

• 申請號: 201711049636.5
• 申請日: 2017-10-31
• 公開（公告）號: CN108009564A
• 公開（公告）日: 2018-05-08
• 發明（設計）人: 張悟移;鄧昆;周霞霞;李杰
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及一種基于徑向基函數神經網絡模型的翡翠手鐲品質分級方法，屬于翡翠分級技術領域。首先收集翡翠手鐲產品實際交易的數據，并從實際交易數據中對影響翡翠手鐲產品的各個因素，具體包括透明度、質地、顏色、凈度、工藝、重量進行評分，再利用影響因素以及相應的評分來訓練網絡，運用徑向基函數神經網絡技術建立預測模型，然后利用該模型和已知的翡翠手鐲產品中影響因素的實際參數對翡翠手鐲的品質進行分級。本發明通過神經網絡預測模型減小了翡翠手鐲產品品質分級的主觀性，使翡翠手鐲產品的品質分級得到了一個很好的規范。

技術領域

本發明涉及一種基于徑向基函數神經網絡模型的翡翠手鐲品質分級方法，屬于翡翠分級技術領域。

背景技術

隨著人們對翡翠產品需求量的增加，關于翡翠產品的品質問題就越來越受到人們的關注。目前，國內外的翡翠產品品質分級的方法較少且模型基本是以線性模型為主，這類方法對于一般等級的翡翠產品可以使用，但翡翠產品某一因素參數大過一定值后，品質級別與參數間關系呈現非線性關系。不同的地區以及不同的商家對翡翠產品的品質分級往往差距很大，存在著很大的差異性。所以對于翡翠手鐲產品品質分級的難度變得越大。

徑向基函數神經網絡是一種性能良好的前向網絡，不僅具有學習速度快，非線性映射功能強的能力，而且還具有能以任意精度逼近任意連續函數，實現全局最優的性能，同時徑向基函數神經網絡具有極強的泛化能力，它通過不斷調整網絡自身的權值，能正確處理與樣本數據相似的數據。因此它可以通過學習歷史數據，找到影響翡翠手鐲品質的因素與品質分級的映射關系，較好地揭示翡翠產品品質與影響因素所表現出的非線性結構，因此它對翡翠手鐲產品品質的分級起到了很大的規范作用。

發明內容

本發明要解決的技術問題是提供一種基于徑向基函數神經網絡的翡翠手鐲品質分級方法，用以解決傳統線性模型不能描述的翡翠產品品質影響因素與翡翠產品品質級別之間的非線性關系問題。

本發明的技術方案是：一種基于徑向基函數神經網絡模型的翡翠手鐲品質分級方法，收集翡翠手鐲產品實際交易的數據，并從實際交易數據中對影響翡翠手鐲產品的各個因素，具體包括透明度(水)、質地(種)、顏色(色)、凈度(瑕)、工藝、重量進行評分，再利用影響因素以及相應的評分來訓練網絡，運用徑向基函數神經網絡技術建立預測模型，然后利用該模型和已知的翡翠手鐲產品中影響因素的實際參數對翡翠手鐲的品質進行分級。

具體步驟為：

第一步：獲取訓練數據：

收集翡翠手鐲產品的銷售數據，作為訓練網絡的樣本數據；獲取的數據包括各影響因素的值、商場對產品的分級；

第二步：對各個影響因素進行評分：

采用LH-206透明度測試儀對翡翠的透明度(水)進行檢測，該測試儀采用自動操作系統及數據處理系統，自動顯示透光率的值，顯示范圍是0-100％，具體操作為儀器開機自檢完成后紫外線、紅外線、可見光的透光率都為100％，此時將翡翠豎直放到測試槽內，儀器會自動顯示三種光源的透光率，只需要觀察可見光的透光率即可，并根據可見光的透光率將透明度分為100個等級，具體的評分標準為：透光率乘以100即為透明度的評分值，例如，可見光的透光率為70％，則該翡翠手鐲產品的透明度評分為70分；