The invention discloses a method for identifying wood grade for guzheng panel by near infrared spectroscopy based on neural network. The method comprises the following steps: (1) Savitzky Golay convolution smoothing and first derivative pre-processing and principal component analysis of near infrared spectroscopy data for guzheng panel containing different grades; (2) building an improved BP neural network model; (3) training improved B. P neural network model; (4) The improved BP neural network model is used to classify the near infrared spectroscopy data of the wood used in the guzheng panel, so as to realize the classification of the wood used in the guzheng panel. The method is based on the near infrared spectral data of chemical substances that can cover different grades of Guzheng panels. The measurement data is fast, the cost is low, the judgment time is short, the calculation data amount is effectively reduced, the subjective assumption is not mixed, the stability is high, and the method is more robust.
【技术实现步骤摘要】
基于神经网络的近红外光谱识别古筝面板用木材等级的方法
本专利技术属于古筝板材的等级鉴别
,涉及一种古筝面板用木材的等级鉴别方法,尤其涉及一种基于识别板材的近红外光谱波段的化合物特征峰等信息和神经网络提取特征向量,从而识别其板材等级的测试方法。
技术介绍
随着我国经济的飞速发展和生活水平的不断提高,人们对于高等级古筝制品的需求量也在不断增长,人们对于古筝音质的要求也越来越高,高音质的古筝制品具有非常高的演奏价值。通过拨弦引起振动,通过筝码传播到面板,从而产生美妙的旋律,可见在古筝结构中其他用料一致的情况下,面板木材的好坏很大程度上决定了古筝的音色优美与否。古筝面板木材分为高级品、中级品和普及品三个等级,由于泡桐木材具有木质疏松,共振好等特点,广泛用于制作古筝面板。古筝面板用木材的等级选择在制作古筝过程中是一项重要的工作。目前,我国对木材识别的方法标准只有QB/T1207.3-2011《筝》标准,该标准是以木材的宏观特征为依据。我国古筝制作行业在面板用木材的选择上主要有木材切片法和经验法。对于木材切片法,进行鉴别的时候需要破坏等操作,造成木材的浪费。对于传统经验法,通常依赖于乐器技师观察木材纹理和疤结大小和数量、掂、敲、听等方式进行主观评判。此传统方法缺少了科学理论的总结,板材等级判断时间较长,判断准确率受主观影响和误判率高,这就使得乐器质量的提高、选材的客观性以及出材率的提高等方面受到限制。同时在生产过程中,富有经验的相关工作人员的数量逐年递减,此现状为面板板材等级快速正确判别带来了限制。
技术实现思路
为了克服判别时间长、判别结果易受判别者主观影响和相关 ...
【技术保护点】
1.一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述包括如下步骤:步骤(1):将包含不同等级的古筝面板用木材的N组不同波段的近红外光谱数据进行Savitzky‑Golay卷积平滑和一阶导数预处理和主成分分析,将变换后的不同波段的近红外光谱数据随机分组,将其中的n组数据作为训练样本集,N‑n组数据作为测试样本集;步骤(2):构建改进的BP神经网络模型;步骤(3):将训练样本集作为训练样本输入步骤(2)构建的改进的BP神经网络模型中,利用模型设计样本,得到训练好的改进的BP神经网络模型和基于训练样本集板材的最佳等级分类结果,从而确定用于实验分析的最佳光谱数据波段;步骤(4):将测试样本集作为测试样本输入步骤(3)训练好的改进的BP神经网络模型中,利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类,从而实现古筝面板用木材的等级识别。
【技术特征摘要】
1.一种基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述包括如下步骤:步骤(1):将包含不同等级的古筝面板用木材的N组不同波段的近红外光谱数据进行Savitzky-Golay卷积平滑和一阶导数预处理和主成分分析,将变换后的不同波段的近红外光谱数据随机分组,将其中的n组数据作为训练样本集,N-n组数据作为测试样本集;步骤(2):构建改进的BP神经网络模型;步骤(3):将训练样本集作为训练样本输入步骤(2)构建的改进的BP神经网络模型中,利用模型设计样本,得到训练好的改进的BP神经网络模型和基于训练样本集板材的最佳等级分类结果,从而确定用于实验分析的最佳光谱数据波段;步骤(4):将测试样本集作为测试样本输入步骤(3)训练好的改进的BP神经网络模型中,利用训练好的改进的BP神经网络模型对古筝面板用木材近红外光谱数据进行分类,从而实现古筝面板用木材的等级识别。2.根据权利要求1所述的基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述古筝面板用木材为泡桐木。3.根据权利要求1所述的基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述近红外光谱的波段为10000cm-1至7000cm-1波段、6800cm-1至5398cm-1、4976cm-1至4000cm-1三个波段区域。4.根据权利要求1所述的基于神经网络的近红外光谱识别古筝面板用木材等级的方法,其特征在于所述Savitzky-Golay卷积平滑和一阶导数预处理和主成分分析的具体方法如下:(a)采用Savitzky-Golay卷积平滑方法,以均方根误差和模型计算量为衡量标准确定最佳滤波窗口,以15个数据点为数据卷积平滑窗口大小,保存变换后的数据;(b)采用一阶导数变换,保存变换后的数据;(c)对预处理后的光谱数据进行主成分分析,根据主成分累积解释程度选取最佳主成分个数,...
【专利技术属性】
技术研发人员:黄英来,孟诗语,苗红,曲玉利,于鸣,温馨,
申请(专利权)人:东北林业大学,扬州市良匠古筝制作研究院有限公司,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。