基于主元分析与BP网络的颗粒体积模型

• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 单视二维图像 特征参数 主元分析 神经网络 体积估算
• 年，卷（期）: 2009,（30）
• 所属期刊栏目: 工程与应用
• 页码范围: 237-239,244
• 页数: 4页
• 分类号: TP391
• 字数: 3609字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.30.070

摘要

在颗粒加工工业中,获取颗粒尺寸和形状参数是一道常见的工序.体积是一个重要的颗粒三维参数,采用传统的手工测量方法获取体积耗时长,人工投入较多,很难实现过程控制中的实时反馈.应用计算机视觉技术,提出了一种基于颗粒单视二维图像信息(周长、投影面积、长宽比等)的BP神经网络体积估算方法.为了避免传统BP神经网络收敛速度慢,容易陷入局部极小值的缺陷,采用BP神经网络的改进算法-有动量的梯度下降算法.同时应用主成分分析法来进行体积影响参数的降维处理,减小了网络结构复杂度并提高了网络的整体性能.使用真实颗粒图像及实测数据对神经网络进行训练和精度测试,结果表明,将主元分析法与BP神经网络相结合来进行体积估算无论在预测精度还是在网络运算速度上比全要素传统BP神经网络模型具有更大的优越性.