[发明专利]一种LabWindows/CVI的神经网络种子包衣合格率预测方法

说明书

本发明公开了一种LabWindows/CVI的神经网络种子包衣合格率预测方法，该方法将基于BP神经网络的模型对种子包衣合格率进行预测，得到了误差较小的结果。本发明具有如下优点：人工神经网络具有强大的预测能力、大规模并行处理特性、高度的容错性和自适应性，其在种子包衣合格率的应用前景广阔，在得知输入相关因子的情况下，输出结果，所采用的BP神经网络方法可以较为准确地预测出种子包衣合格率。

技术领域

本发明涉及机器学习领域，具体涉及一种LabWindows/CVI的神经网络种子包衣合格率预测方法。

背景技术

种子包衣是20世纪80年代中期研究开发的一项促进农业增产丰收的高新技术，用种衣剂包过的种子播种后，能迅速吸水膨胀。随着种子内胚胎的逐渐发育以及幼苗的不断生长，种衣剂将含有的各种有效成分缓慢地释放，被种子幼苗逐步吸收到体内，从而达到防治苗期病虫害、促进生长发育、提高作物产量的目的。现代化的农业播种作业,种子在被播种之前会经过一系列的技术处理,不仅在外形和重量等方面进行了优选,更使其在物理特性上实现了优化,经过加工后的种子在发芽率和生长活力等方面具有显著优势。但由于我国在种子包衣技术领域的研究投入较晚,其在实际应用过程中还存在一些问题。种子包衣已被列为我国重点推广的农业技术项目。现有市场中包衣机存在操作复杂、加工参数不合理、人为干扰因素等问题，加工参数的调整影响着种子包衣合格率，但是加工参数对种子包衣合格率的影响是非线性的。为了探索加工参数对种子包衣合格率的影响，通过神经网络拟合加工参数与种子包衣合格率之间的关系。人工神经网络(Artificial NeuralNetwork，ANN)，简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络有大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。采用LabWindows/CVI虚拟仪器软件设计平台，该软件由美国NI公司推出，是一款完全的ANSI C开发环境，用于仪器控制、自动检测、数据处理的应用软件，它以ANSI C为核心，将功能强大、使用灵活的C语言与用于数据采集、分析和显示的测控专业工具有机结合起来。利用它的集成化开发环境、交互式编程方法、函数面板和丰富的库函数大大增强了C语言的功能，为熟悉C语言的开发设计人员编写检测系统、自动测试环境、数据采集系统、过程监控系统等应用软件提供了一个理想的软件开发环境。

通过上述神经网络预测包衣合格率的分析，本发明基于BP神经网络预测的方法，利用神经网络对种子包衣的加工参数以及合格率进行建模，对建立的BP神经网络包衣合格率预测模型输入参数进行训练，通过获得已有的加工参数对种子包衣合格率进行预测，此通过BP神经网络构建的种子包衣合格率预测模型具有较高的可靠性和准确性。

发明内容

本发明的目的在于提供一种精度高、具有参考价值的LabWindows/CVI的神经网络种子包衣合格率预测方法。

实现本发明目的的技术解决方案为：一种LabWindows/CVI的神经网络种子包衣合格率预测方法，通过建立种子包衣合格率预测系统的BP神经网络模型进行预测。

本发明与现有技术相比，其显著优点是：基于BP神经网络模型拟合种子包衣的加工参数与合格率之间的关系，通过已知的加工参数预测包衣合格率，预测结果显示了此BP神经网络构建的种子包衣合格率预测模型具有较高的可靠性和准确性。

附图说明

图1是BP神经网络输入输出模型图。