BP神经网络在自动掳管机上的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇BP神经网络在自动掳管机上的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘 要】络筒工序是纺织行业生产织造过程中的一道关键工序，对纺织品的质量和产量以及纺织厂的经济效益起着重要的作用。目前，在络筒工序中，从络筒机上下来的纱管，有很大一部分仍带有纱线，这使纱管的重新利用受到限制，成为了制约络筒机快速运行的瓶颈，自动掳管机的出现解决了这一问题。自动掳管机的重要性能指标就是对有纱管的识别能力和对空纱管的按色分类精度。本文根据目前颜色识别技术的发展和应用，结合智能方法，提出了结合bp神经网络的颜色识别方法，并通过实例验证了方法的有效性。
【关键词】自动掳管机；BP神经网络；颜色识别；聚类
1 神经网络
人工神经网络是模仿人脑工作方式而设计的一种机器，它可用电子或者光电元件来实现，也可以用软件在常规计算机上进行仿真；或者说NN是一种具有大量连接的并行分布式处理器，它具有通过学习获取知识并解决问题的能力，而且知识是分布存储在连接权（对应于生物神经元的突触）中，而不是像常规计算机那样按地址存在特定的存储单元中。尽管目前人们对大脑的神经网络结构、运行机制，甚至单个神经细胞的工作原理的了解还很肤浅，但是基于生物神经系统的分布式存储、并行处理、自适应学习这些现象，已经构造出有一定初级智能的人工神经网络，并且近几年来发展迅速，无论从理论上还是实际应用中都取得了丰硕的成果，目前已被应用到很多重要领域[6]。
其中，BP神经网络是一种多层前馈型的神经网络，是目前在神经网络的所有类型中发展最为成熟，应用最为广泛的网络。其网络的权值调整规则采用的是误差反向传播的算法，也因此而得名。BP神经网络已经广泛的被用于模式识别和图像处理，在实际工程中取得了良好的效果。
在BP神经网络的学习训练过程中信号是正向传播的，当输出层的实际输出与期望输出不符时，误差信号就会反向传播，并分摊给除输出层之外的各层的所有单元，作为修正各单元权值的依据。
2 颜色识别的实现
由于本课题研究的是颜色识别，而每种颜色都具有3个特征值即R、G和B，因此输入层的结点个数选为3。通过对纺织厂中所使用的纱管的颜色以及纱线的颜色的调查研究，本文将要识别的颜色可以分为红、蓝、绿、紫、黄、橙、橘、粉和白，共9种。所以输出层的结点个数为9。接下来就是隐层节点数的确定。
隐层节点的个数根据经验公式来确定：
式中，为隐层节点数，为输入节点数，为输出节点数，为调节参数，。由经验公式和输入以及输出节点的个数，并通过试凑的方法进行仿真比较，最终确定隐层结点的个数为11个时，网络的性能达到最好。
根据文献[8]选取2 200个色卡作为神经网络训练集，其在整个RGB 颜色空间的分布较为均匀，另外选取39个作为测试集。对此2 200个训练集用TCS230颜色传感器加测量电路进行对Red、Green、Blue频率值的测量，将测量结果RGB颜色空间转换至Lab颜色空间，转换后的结果作为样本集，对样本进行归一化处理，结果作为BP 神经网络的输入。
以转换后的2200个Lab值作为神经网络的测试训练集，并按照色差聚类于红、蓝、绿、紫、黄、橙、橘、粉和白9种颜色，和哪一种颜色的色差最小，则所测颜色聚于该色类：
当 ，为红、蓝、绿、紫、黄、橙、橘、粉和白9种颜色中的其中一类区间； 为待测颜色的Lab值同9种颜色的色差的最小值；其中 为要识别的对象对应于9种颜色的颜色聚类，即如果最终的色彩识别满足 = 1，那么待识别颜色对象为第 类颜色。
取训练集中经TCS230颜色传感器得到的颜色的频率值归一化后的特征矢量和相应的Lab颜色空间值作为训练对，对所建的BP 神经网络进行训练。通过实际仿真比较，综合考虑均方根误差和训练次数的变化情况，确定训练次数为3000次，平稳时目标值为0.001。图3所示为按设定的训练次数和目标误差进行训练后的学习率变化曲线，其中训练次数用横坐标表示，学习率用纵坐标表示。
3 结论
BP神经网络具有自适应、自学习的能力，目前已被广泛的应用到很多领域，具有强大的非线性分类能力。本文设计了一个用来识别颜色的BP神经网络模型，通过对网络的结构参数和初始值选择的改进，同时加入了动量项作为BP神经网络算法的改进，实现了克服传统网络容易陷入局部极小点以及收敛速度慢的缺陷。采用2200个颜色特征矢量进行网络的训练，39个颜色特征矢量进行网络的验证，对待识别的颜色设置了9个聚类中心。仿真结果表明：训练后的网络可以高精度的对颜色进行分类，分类结果符合人眼的视觉特征，所建模型对颜色的识别精度和速度很高，其中精度可以达到100%，能够满足自动掳管机颜色识别系统的要求。
参考文献：
[1]闫之烨.基于计算机视觉的苹果颜色分级系统的研究[D].南京:南京农业大学硕士论文.2003:1-6.
[2]H.R.Davisi on,H Her nmendinger.J L R La ndr y:A syste m of inst r umenta color control for the textile industry,JSDC,1963,(79):577- 758.
[3]马雷.果蔬识别与分类控制系统的研究[D].天津:天津轻工业学院硕士论文,2000:5-10.