[發(fā)明專利]一種基于主成分分析和神經(jīng)網(wǎng)絡的籽粒損失率檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210765705.7
• 申請日: 2022-07-01
• 公開（公告）號: CN115130512A
• 公開（公告）日: 2022-09-30
• 發(fā)明（設計）人: 陳進;牛草原;李耀明;朱富豪
• 申請（專利權(quán)）人: 江蘇大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京智造力知識產(chǎn)權(quán)代理有限公司 32382
• 代理人: 張明明

1.一種基于主成分分析和神經(jīng)網(wǎng)絡的籽粒損失率檢測方法，其特征在于：

對籽粒和雜質(zhì)沖擊敏感板時的電壓信號數(shù)字量進行特征提取；

利用主成分分析對所述特征進行主成分分析，得到主成分F₁、F₂、F₃...F_p；

將所述主成分F₁、F₂、F₃...F_p所在的評價樣本劃分為訓練數(shù)據(jù)集和測試數(shù)據(jù)集，所述訓練數(shù)據(jù)集訓練BP神經(jīng)網(wǎng)絡，并計算輸出層輸出與期望輸出的誤差，當誤差大于設定誤差，則調(diào)整權(quán)值和閾值，直至誤差小于等于設定誤差；所述測試數(shù)據(jù)集測試訓練后的BP神經(jīng)網(wǎng)絡，輸出籽粒和雜質(zhì)的標簽Y₁、Y₂、Y₃...Y_g；

利用籽粒的標簽數(shù)計算得到谷物的籽粒損失率。

2.根據(jù)權(quán)利要求1所述的籽粒損失率檢測方法，其特征在于，所述調(diào)整權(quán)值和閾值采用動量梯度下降法，所述調(diào)整權(quán)值和閾值的公式為：

w(t+1)＝w(t)+α[(1-η)D(t)+ηD(t-1)]

s(t+1)＝s(t)+α[(1-η)D‘(t)+ηD‘(t-1)]

其中：w(t+1)和w(t)分別表示第t+1次、t次迭代的連接權(quán)值，s(t+1)和s(t)分別表示第t+1次、t次迭代的閾值，α表示神經(jīng)網(wǎng)絡的學習速率，D(t)、D'(t)分別表示誤差對權(quán)值、閾值的負梯度，η為常數(shù)。

3.根據(jù)權(quán)利要求1所述的籽粒損失率檢測方法，其特征在于，所述輸出滿足：

其中，q_je是隱含層和輸出層之間的權(quán)值，c_e是輸出層閾值，g是輸出節(jié)點數(shù)，H_j為隱含層輸出，且h₁是隱含層和輸入層之間的激勵函數(shù)，p是神經(jīng)網(wǎng)絡輸入層的節(jié)點數(shù)，q_ij是輸入層和隱含層之間的權(quán)值，f_i是BP神經(jīng)網(wǎng)絡的輸入，b_j是隱含層閾值，r是隱含層節(jié)點數(shù)，e＝1，2，...，g，j＝1，2，...，r。

4.根據(jù)權(quán)利要求1所述的籽粒損失率檢測方法，其特征在于，對所述特征進行主成分分析的具體過程為：

計算評價指標相關系數(shù)矩陣的每個特征值的累計貢獻率B_p：

其中：λ_a為評價指標相關系數(shù)矩陣的特征值，m為主成分分析前的評價指標個數(shù)，p是主成分分析后，即當B_p＞85％時，選擇的p個評價指標。

5.根據(jù)權(quán)利要求4所述的籽粒損失率檢測方法，其特征在于，所述主成分是由相關系數(shù)矩陣的特征向量乘上標準化后的矩陣的列向量得到的。

6.根據(jù)權(quán)利要求5所述的籽粒損失率檢測方法，其特征在于，所述標準化后的矩陣是對矩陣X_n*m進行標準化得到，所述矩陣X_n*m由n個評價樣本和m個評價指標構(gòu)建，所述評價樣本包含多個評價指標，評價指標即處理后電壓信號的特征。

7.根據(jù)權(quán)利要求1所述的籽粒損失率檢測方法，其特征在于，所述提取的特征包括均方根、標準差、平均值、峰值、峭度、裕度指標、重心頻率、均方頻率、均方根頻率、頻率方差和頻率標準差。

8.根據(jù)權(quán)利要求1所述的籽粒損失率檢測方法，其特征在于，所述籽粒損失率滿足下式：

其中，P_i為籽粒損失率，v為聯(lián)合收獲機前進速度，y為每平方米的產(chǎn)量，c為聯(lián)合收獲機的割幅，t為時間，m′為千粒重，n′為籽粒的標簽總數(shù)。