计算机与现代化 ›› 2025, Vol. 0 ›› Issue (08): 97-103.doi: 10.3969/j.issn.1006-2475.2025.08.014
摘要: 摘要:为了克服从视觉上无法区分纯牛奶种类和无损化检测纯牛奶的困难,本文提出一种改进遗传算法优化小波神经网络的纯牛奶识别算法,该算法可以有效提升传统小波神经网络识别算法的准确率和识别效率。首先,在传统小波神经网络识别算法基础上添加遗传算法,并利用该遗传算法对小波神经网络中权值、阈值以及小波基函数平移和收缩因子参数进行调优以提升识别算法的准确率。另外,在算法中添加了循环扰动策略,大大减少了最优效果的迭代次数,从而提升算法的识别效率。本文在算法实验部分选取同一品牌不同种类的纯牛奶共200组样品作为实验样本,并采用近红外光谱技术获取了波长范围4000~10000 cm−1波段内的所有牛奶样品的吸光度数据。随后,为了提升牛奶数据的训练效率,采用主成分分析算法分别提取了累计贡献率较大的特征数据,并通过所提算法对提取的主成分特征数据进行初步训练和测试。实验结果表明,添加遗传算法可以将准确率从97.5%提升至100%,增加了循环扰动策略后,可以大大降低训练迭代次数,大大提升算法收敛速度。因此,本文提出的纯牛奶识别算法能够有效无损地实现纯牛奶区分。
中图分类号: