[发明专利]基于神经网络的皮革手感品质的评价方法

摘要

本发明涉及一种基于神经网络的皮革手感品质的评价方法，包括如下四个步骤：1)皮革手感品质指标的确定；2)评价指标与主观评价等级的样本数据提取；3)神经网络训练；4)建立皮革手感品质的评价模型并实现客观评价。这种客观评价方法采用神经网络的模式识别与预测能力来完成，并与主观评价结果具有很好的一致性。本发明可为制革行业提供皮革手感品质的参数化和客观化评价方法，使皮革工业向现代化、科学化及参数控制化方向发展。

主权项

1、一种基于神经网络的皮革手感品质的评价方法，其特征在于：1)首先，通过压缩性能测定仪和顶伸性能测定仪采集待测皮革的样本数据即：皮革的弯曲常数(Kb)、皮革的压缩指数(Kc)、皮革的顶伸系数(K1)、皮革的弯曲应力衰减常数(αb)和衰减速率常数(K′)；2)其次，将采集到的样本数据作为输入向量，并对输入向量进行归一化处理，即对输入向量的每一维按照所有样本数据中这一维的最小值和最大值线性转换为0～1之间的数据；3)预测模型的建立，按照HEM检测法检测的结果将皮革分为5类即5个表征参数：优、良、中、差和劣，根据皮革手感品质分类的5个表征参数确定BP神经网络输入层节点数也为5个，其中隐层节点数的选择根据以下公式：n＝(ni+no)1/2+a其中n为隐节点数，ni为输入节点数，no为输出节点数，a是0～10之间的常数；隐层的神经元节点数按照上述公式取10个，网络的期望输出表示为：Y1＝[1 0 0 0 0]Y2＝[0 1 0 0 0]Y3＝[0 0 1 0 0]Y4＝[0 0 1 0 0]Y5＝[0 0 1 0 0]其中Y1、Y2、Y3、Y4和Y5分别代表皮革手感品质综合评价结果等级优、良、中、差和劣，用归一化处理后的样本数据训练神经网络，在网络训练过程中，根据训练进程显示网络的训练状态和训练误差值，达到指定的误差精度后即10-4时停止训练，表示评价的预测模型已经建好；4)神经网络训练完成后，把训练好的神经网络存入系统的神经网络库中，即得到了皮革手感品质客观评价模型，由采集到的待测皮革的五项力学参数作为输入最终得到评价等级结果。