基于PCA-SSA-BP神经网络的烟叶分级方法

基于机器视觉检测的烟叶分级方法，存在识别效率低、识别稳定性差等问题。针对这些问题，该文基于主成分分析（PCA）、麻雀搜索算法（SSA）、BP神经网络提出一种烟叶分级方法，首先对采集到的烟叶图像进行分析提取17个图像特征进行PCA降维处理，以消除冗余信息，结合烟叶分级标准并平衡烟叶分级的识别正确率和分级效率确定最佳降维的维数为七维；然后，将七维特征向量作为BP神经网络的输入，利用SSA对BP网络模型的权值和阈值进行优化，完成网络模型的训练。实验结果表明，PCA-SSA-BP模型的平均识别率达到96%以上，总运行时间为97.99 s，因此该方法能有效提高小样本烟叶分级的识别效率和识别稳定性。