基于近红外光谱与误差反向传播神经网络技术的三种人工林木材识别研究

利用近红外光谱结合误差反向传播神经网络(BP)对三种人工林木材(尾叶桉、马尾松、南方无性系I-72杨)进行识别,探讨隐含层神经元个数、光谱预处理方法、光谱范围对 BP 网络模型的影响,并与 SIM-CA法所建模型做比较。结果表明：(1)BP网络结合全波段(780~2500 nm)近红外光谱数据建模,识别正确率达到97.78%,并确定隐含层神经元数为13；(2)全波段光谱建模比短波段(780~1100 nm)和长波段(1100~2500 nm)光谱建模识别效果好,其识别正确率分别为97.78%,95.56%和96.67%,用一阶导数和二阶导数对全波段光谱进行预处理后,BP网络模型识别正确率分别为93.33%和71.11%；用多元散射校正(MSC)对全波段光谱进行预处理后,BP网络模型识别正确率为98.89%,(3)在三种波段(780~2500,780~1100和1100~2500 nm)光谱建模的情况下,BP 网络建模识别正确率分别为95.56%,96.67%和97.78%,SIMCA模型识别正确率分别为76.67%,81.11%和82.22%,BP网络建模比 SIMCA法建模对三种人工林木材的识别正确率高。