基于BP神经网络的木材近红外光谱树种识别

• 作者: 孙一丹 王学顺 黄安民 黄敏高
• 来源期刊: 东北林业大学学报
• 关键词: 近红外光谱 木材树种识别 BP神经网络 遗传算法 粒子群算法
• 年，卷（期）: 2015,（12）
• 页码范围: 82-85,89
• 页数: 5页
• 分类号: O29
• 语种: 中文

摘要

利用木材近红外光谱数据建立反向传播（ BP ）神经网络模型，实现对木材树种的分类识别。以桉木、杨树、落叶松、马尾松、樟子松5个树种的296个样本的近红外光谱数据为研究对象，运用主成分分析对光谱数据进行降维，并以处理后的主成分数据作为分类模型的输入变量，分别建立了不同属的桉树和杨树以及同属的落叶松和樟子松的BP神经网络二分类模型；建立了桉木、杨树、落叶松、马尾松、樟子松5个树种的BP神经网络识别模型，并利用遗传算法和粒子群算法对5树种分类模型进行优化。结果显示，对于不同属木材， BP神经网络模型树种识别率可达100％，对于同属木材树种识别率也可达85％以上；对所建立的5树种识别模型，BP神经网络树种识别率有所下降，但正确识别率也均可达到75％以上，经过遗传算法和粒子群算法对模型的优化，木材树种平均识别率可分别达到84％和87％以上，表明遗传算法和粒子群算法可以有效提高木材树种识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄安民	中国林业科学研究院木材工业研究所	40	700	15.0	25.0
2	王学顺		17	150	7.0	11.0
3	孙一丹		7	28	3.0	5.0
4	黄敏高		1	12	1.0	1.0