GA-BP神经网络在玉米种子质量检测分级中的应用

发布时间：2021-08-11 19:24

　　中国的农业发展水平在国际上一直处于领先状态,尤其是进入20世纪80年代中期以后,中国现代农业发展水平显著提高,农业的发展也为我国的经济发展和社会稳定做出了贡献。自2004年开始,我国粮食的供应量随着我国人口数量的增长而持续增长。玉米作为三大农作物之一,在我国乃至于全世界都占据着重要的地位,因为它不仅是我国人民的主要口粮,也是全世界三分之一人的主要粮食。玉米生产都是从育种开始的,而育种的第一步就是挑选优质品种,若是一直采用人工分拣的方法,不但会导致玉米品质因人为因素误判,也会使得玉米产量无法得到有效的保障。为保障国家粮食安全、提高农业生产效率,本文将人工智能分类模型应用到玉米育种工作中,有利于玉米育种工作的精准、高效进行,进而有利于提高农业生产效益。本文以山东省收获玉米会检结果为应用背景,建立了BP神经网络玉米种子质量检测分级模型,从实验结果来看BP算法还存在需要改进之处。本文针对由于初始权值和阈值的随机性导致神经网络整体效果不佳的问题,提出利用遗传算法优化BP神经网络初始权值和阈值的优化方案。文中详细阐述了传统BP神经网络和优化过的GA-BP神经网络的训练、仿真、性能对比等过程,从实验... 

【文章来源】：浙江海洋大学浙江省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与选题意义
        1.1.1 研究背景
        1.1.2 选题意义
    1.2 研究现状综述
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 论文的研究内容和研究思路
        1.3.1 论文的研究内容
        1.3.2 论文的研究思路
第二章 人工神经网络概述
    2.1 人工神经网络
        2.1.1 人工神经网络的发展
        2.1.2 神经网络的研究方向
        2.1.3 人工神经元模型
        2.1.4 人工神经网络的特点及优点
        2.1.5 人工神经网络的应用
    2.2 BP神经网络模型
        2.2.1 BP神经网络的模型结构
        2.2.2 BP神经网络学习算法
        2.2.3 BP算法局限性
        2.2.4 BP算法的改进
    2.3 本章小结
第三章 遗传算法概述
    3.1 遗传算法的定义
    3.2 遗传算法的特点
    3.3 遗传算法基本要素
        3.3.1 编码机制
        3.3.2 初始群体设定
        3.3.3 适应度函数
        3.3.4 遗传操作
        3.3.5 控制参数选择
    3.4 遗传算法的应用
    3.5 遗传算法优化BP神经网络
        3.5.1 优化的意义
        3.5.2 优化的步骤
    3.6 本章小结
第四章 基于BP神经网络的玉米种子质量检测
    4.1 研究指标的选取
    4.2 BP神经网络模型的建立
        4.2.1 BP神经网络构建步骤
        4.2.2 数据准备与评价体系
        4.2.3 BP神经网络各参数的选定
    4.3 BP神经网络模型的仿真实验及结果分析
        4.3.1 BP网络训练
        4.3.2 BP网络仿真
        4.3.3 实验结果分析
    4.4 遗传算法优化BP网络的建模仿真
        4.4.1 遗传算法优化流程
        4.4.2 遗传算法参数选取
        4.4.3 遗传算法优化BP神经网络的建立和仿真
    4.5 两种算法实验结果对比
    4.6 本章小结
第五章 总结与展望
    5.1 本论文的主要工作总结
    5.2 进一步的工作
参考文献
附录
致谢
在读期间发表的学术论文及研究成果


【参考文献】：
期刊论文
[1]深度神经网络代价函数选择与性能评测研究[J]. 赵宏,郭万鹏.  软件. 2018(01)
[2]基于BP神经网络大豆种子质量检验分析[J]. 姚宇.  农村经济与科技. 2017(24)
[3]神经网络算法在特色农产品品质分类中的应用[J]. 王静,杜勇,赵忠华.  四川大学学报(自然科学版). 2016(04)
[4]基于改进的遗传算法优化BP神经网络并用于红酒质量等级分类[J]. 毕艳亮,宁芊,雷印杰,王伟.  计算机测量与控制. 2016(01)
[5]遗传算法在人工智能领域中的应用分析[J]. 刘晓英,陈杰,袁荣华,杨俊峰.  南方职业教育学刊. 2015(05)
[6]中国各省玉米生产效率分析——基于DEA模型的实证分析[J]. 张连云.  商. 2013(17)
[7]基于优化神经网络的小麦品种分类研究[J]. 樊超,夏旭,石小凤,侯利龙.  河南工业大学学报(自然科学版). 2012(04)
[8]基于图像处理的花生荚果品种识别方法研究[J]. 韩仲志,邓立苗,于仁师.  中国粮油学报. 2012(02)
[9]基于GA-BP算法的玉米品种识别系统研究[J]. 高旭,周桂红.  安徽农业科学. 2011(35)
[10]基于机器视觉的大豆籽粒精选技术[J]. 王润涛,张长利,房俊龙,王树文,杨方,田磊.  农业工程学报. 2011(08)

博士论文
[1]有限精度权值神经网络优化的研究与应用[D]. 包健.华东理工大学 2011
[2]计算智能方法及在网络优化和预测中的研究[D]. 夏鸿斌.江南大学 2009

硕士论文
[1]基于神经网络的客车车型分类的研究[D]. 秦慧超.中北大学 2013
[2]BP神经网络的研究分析及改进应用[D]. 李友坤.安徽理工大学 2012
[3]BP算法的改进及其应用[D]. 刘翔.太原理工大学 2012
[4]遗传算法在组合优化中的应用研究[D]. 汪松泉.安徽大学 2010
[5]BP网络结构确定算法的研究及仿真[D]. 唐磊.中国石油大学 2008
[6]基于自适应学习速率的改进型BP算法研究[D]. 杨甲沛.天津大学 2008
[7]基于遗传算法的BP网络优化研究及其应用[D]. 郑卫燕.哈尔滨工程大学 2008
[8]基于量子遗传算法的生产计划智能调度研究[D]. 谭春艳.东华大学 2008
[9]遗传算法在结构可靠性优化设计中的运用研究[D]. 朱忠华.哈尔滨工程大学 2007
[10]带动量项的BP神经网络收敛性分析[D]. 郑高峰.大连理工大学 2005



本文编号：3336749