基于人工神经网络和生物光子学的小麦籽粒状态分类  

STATE CLASSIFICATION OF WHEAT KERNELS BASED ON ARTIFICIAL NEURAL NETWORK AND BIOPHOTONICS

作　　者：梁义涛[1,2] 史卫亚[1,2] 王锋[1,2] 张红梅[1] 

机构地区：[1]河南工业大学信息科学与工程学院,河南郑州450001 [2]河南工业大学粮食信息处理与控制教育部重点实验室,河南郑州450001

出　　处：《河南工业大学学报（自然科学版）》2013年第3期83-86,共4页Journal of Henan University of Technology：Natural Science Edition

基　　金：国家自然科学基金资助项目(31171775);国家863计划(2012AA101608);河南省科技厅重点科技攻关项目(112102210190)

摘　　要：将生物光子分析技术与人工神经网络相关算法相结合,识别小麦籽粒的不同状态.以经过不同时间的水浸泡处理和去胚芽前后的小麦籽粒为研究对象,通过定制的生物超微弱发光测试仪获取试验样品的生物光子辐射.利用人工神经网络中的误差反向传播(Back Propagation,BP)算法对测量的小麦籽粒生物光子辐射数据进行分类研究.结果显示,该方法对有无胚芽小麦的识别率均达90%以上,对于新旧小麦的识别率也在70%以上.In this paper, biophoton analytical technology（BPAT） was combined with artificial neural network related algorithm to recognize different states of wheat kernels. Taking wheat kemels soaked in water for different time and wheat kernels before and after removing germs as the study objects, we acquired the biophoton emission of the test samples by using a customized ultraweak bioluminescence detector. Then, we classified the measured biophoton emission data of the wheat kernels by a BP （Back Propagation） algorithm of the artificial neural network. The results showed that the recognition rate of germ-free wheat was above 90%, and the recognition rate of new and old wheat was above 70%.

关 键 词：人工神经网络 生物光子学 小麦籽粒 品质检测 

分 类 号：TP210[自动化与计算机技术—检测技术与自动化装置] TP183[自动化与计算机技术—控制科学与工程]