基于集群算法优化BP神经网络的NIRS树种识别研究

为探究基于近红外光谱分析技术的木材树种准确、快速识别新方法,并研究光谱波段范围对识别的影响,以大叶桉、杉木、落叶松、马尾松、樟子松5种木材样品为研究对象,针对3种光谱波段范围,分别建立未优化的BP神经网络模型(BP-ANN)、粒子群算法优化BP神经网络模型(PSO-BP)和人工蜂群算法优化BP神经网络模型(ABC-BP),对比模型识别准确率和运行时间。研究结果显示,波段越长,模型的识别准确率越高;PSO-BP与ABC-BP模型的识别准确率均高于BP-ANN,其中ABC-BP模型的识别效果最好,可达到95.333%;ABC算法较于PSO算法优化BP神经网络模型用于木材近红外光谱树种识别时间更短。基于集群算法优化BP神经网络模型能有效应用于树种识别研究,具有一定应用前景。