论文部分内容阅读
中国的水果种植面积和产量位居世界前列,但水果采摘后的商品化处理水平成为制约国内水果附加值以及国际市场竞争力的主要因素之一,实现水果品级的自动分级已成为国内水果行业现代化的必要前提。青梅作为一种具有多重保健功能的药食两用资源,深受广大群众的喜欢。针对传统水果品级开环认知系统特征空间和分类准则一旦建立不再更新的缺陷,以及卷积神经网络架构试凑、特征空间冗余以及分类器泛化能力较差的不足,面向后验概率评价方法无法在线实时测评认知结果的难题,本文基于深度学习探索了一种具有认知结果熵测度指标约束的青梅品级智能反馈认知方法,以期提高青梅品级的识别率。本文的主要工作如下:(1)针对缺乏信息化的青梅品级建模理论基础的问题,基于粗糙集理论,引入青梅品级图像的决策属性信息,在有限论域不确定条件下,从信息论的角度建立具有信息完备性评价指标的非结构化多层面动态特征表征的青梅品级认知智能决策信息系统模型。(2)针对青梅品级图像的特征空间及认知准则尚无统一描述的问题,基于架构自适应卷积神经网络和集成随机权向量函数连接网络分类器,建立青梅品级图像由整体到局部有明确品级特征表征映射关系的特征空间数据结构与分类准则。(3)针对后验概率评价认知结果可信度的方法无法在线实时测评青梅品级认知结果的问题,基于广义误差理论和广义熵理论,定义了一种青梅品级图像认知结果的熵函数形式测度评价指标,为智能反馈认知运行机制提供可量化的依据。(4)针对不确定认知结果熵测度指标约束的智能反馈认知运行机制没有取得一致共识的问题,建立了基于不确定青梅品级认知结果性能测度指标约束的动态反馈认知智能运行机制,自寻优调节层内认知特征效能和层间认知特征层级,更新下次认知过程的非结构化多层面简约特征空间和分类认知准则。为了验证所提出的青梅品级智能反馈认知模型的优越性,本文选取了 1008幅青梅图像作为样本库,采用MATLAB仿真对本文方法的可行性和有效性进行了验证。实验结果表明,500次随机抽样实验的平均认知正确率达到了 98.15%,较其他认知方法的性能更优,为实现青梅品级的“智能机器分级”奠定了基础。