木材密度决定着木材力学性能, 是木材物理性能的重要指标之一。 近年来, 由于近红外光谱分析具有操作过程简单、 方便、 快速等优势, 已有学者应用近红外光谱数据预测木材密度, 但是, 在实际应用中, 数据集缺乏、 光谱特征欠优、 非线性拟合准确性低等问题还没有得到完全解决, 木材密度预测模型的精度有待于进一步提升。 木材密度中, 木材的绝干密度相对稳定, 测量结果相对精确, 以柞木绝干密度预测为研究对象, 通过采集不同含水率下的近红外光谱信息构建出适合不同含水率条件的绝干密度非线性预测模型。 首先, 选用德国INSION公司的近红外光纤光谱仪, 运用SPEC view 7.1软件对不同含水率的柞木样本采集光谱信息; 然后, 利用SPXY样本划分方法, 按2∶1划分校正集与预测集, 并利用多元散射校正、 二阶导数光谱及S-G平滑方法进行光谱预处理, 以减少散射光和高频噪声的影响; 接着, 运用连续投影算法（SPA）提取有效的波长信息; 最后, 运用一种非线性权重粒子群算法优化的BP网络（IPSO-BPNN）建立不同含水率状态下的近红外光谱与柞木绝干密度之间的关联, 实现柞木绝干密度预测模型的构建。 实验过程中, 加工选取了100个柞木试件样本, 在绝干条件下测量样本试件密度和光谱信息, 并浸泡水中测量出不同含水率对应的光谱信息, 实验结果表明: SPXY保证了校正集样本的均匀分布, 提高了模型泛化能力; MSC、 二阶导数和S-G卷积平滑相结合的方法抑制了原始光谱中噪声高频信号, 同时使得峰值更加突出; SPA从117个光谱数据中优选出16个特征波长, 提高了建模精度; IPSO-BPNN模型较SPA-PLS, BP和PSO-BP具有更高的相关系数, 更小的均方根误差, 柞木绝干密度预测相关系数为0.938, 预测均方根误差为0.012 9, 方法可以对木材密度在线无损测量提供一定的理论基础。

为了实现车载γ谱仪巡测系统对辐射剂量率的准确测定, 提出基于快速傅里叶变换(FFT)本底扣除法的改进型BP神经网络模型(FFT-BP神经网络模型)。 实验采用γ射线能谱分析法, 对不同间距处的137Cs放射源进行车载γ能谱测试, 将得到的谱数据通过快速傅里叶变换(FFT)扣除本底, 获得新的谱线数据。 应用FFT-BP神经网络模型对未知剂量的车载γ谱线作辐射剂量率的定量预测, 将预测结果同3个函数模型的拟合结果比较, 验证FFT-BP神经网络模型的预测效果。 结果表明, FFT扣除法能较好的削弱散射本底对γ谱线的影响, 能有效的降低谱线本底。 通过新谱线获得的特征峰面积和净谱线面积与辐射剂量率的相关系数均为099(p<005), 相关性显著。 模型拟合分析过程中, FFT-BP神经网络模型表现出较强的学习泛化能力, 预测较理想, 相对误差和累计误差分别低于06%和9%, 效果明显优于数学模型和γ能谱全能峰法, 可显著降低γ能谱分析辐射剂量率的误差, 且能有效提升工作效率。 因此, FFT-BP神经网络模型适用于γ能谱辐射剂量的预测分析, 为车载γ谱仪巡测系统测量辐射剂量提供了一种新型有效的分析方法。

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SIMCA法所建模型做比较。 结果表明: （1）BP网络结合全波段（780～2 500 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（780～1 100 nm）和长波段（1 100～2 500 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（780～2 500, 780～1 100和1 100～2 500 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。

为无损检测桃的内部品质, 提出了结合高光谱成像技术和人工神经网络无损检测桃硬度的方法。采集了摘后贮藏了12 d的140个桃在900~1 700 nm的高光谱图像, 以每个桃高光谱图像中40 pixel×40 pixel的感兴趣区域的平均光谱作为桃的原始反射光谱; 利用Savitzky-Golay平滑和标准正态变量变换对光谱进行预处理; 基于x-y共生距离算法划分样本, 得到校正集样本105个和预测集样本35个。利用连续投影算法、无信息变量消除法和正自适应加权算法从全光谱的216个波长中分别提取了12个、103个和22个特征波长; 分别建立了基于全光谱和提取的特征波长预测桃硬度的支持向量机模型和BP网络模型。结果表明, 基于全光谱建立的BP网络模型具有最好的预测性能, 其预测相关系数为0.856, 预测均方根误差为0.931。本研究为基于桃内部品质的工业化分级提供了基础。

双目立体视觉标定模型具有非线性,难以建立完备的数学模型来描述不同的镜头畸变和噪声,而BP神经网络可以解决复杂非线性问题.采用BP网络对双目立体视觉进行标定,并在此基础上进一步研究网络层数对双目立体视觉标定的影响.构建了四种不同层数的BP网络模型,实验测试了四种网络的标定能力.结果表明,相对于四层、五层和六层网络模型,三层网络模型具有更快的标定速度、更强的泛化能力和更高的工作精度.

为了抑制空间光学载荷的振动,针对大口径、高分辨的光学遥感器设计了一种隔振器, 并研究了隔振器的主要结构参数和布置方式。首先, 使用有限单元法分析了隔振器主要参数与刚度特性之间的关系。然后, 利用BP网络预测隔振器的三向刚度, 搜寻了符合条件的隔振器的结构参数。结合光学载荷的一般结构形式, 提出一种对称辐射式布置方式, 建立了相应的理论模型, 并进行了仿真研究。最后, 设计、加工出了一套隔振系统原理样机, 并对其静态性能及隔振性能进行了测试实验。实验结果显示: 隔振系统的基频在5.31 Hz左右; 对高于25Hz的振动, 衰减可以达到20 dB以上; 仿真和实验结果之差在8%以内。得到的结果表明, 设计的隔振器可以有效降低空间飞行器传递给光学载荷的振动。

对国内外近十年来人工神经网络在近红外光谱建模中的应用和研究进行了详细的综述，包括误差反向传播网络、径向基网络、支持向 量机、自组织特征映射网、广义回归神经网络、概率神经网络、小波神经网络、模糊神经网络以及集成神经网络等的应用和研究。概括了这些网络的基 本工作原理及优缺点。最后根据神经网络的发展方向和工农业的发展需求，提出了今后人工神经网络在近红外建模方面的发展方向。

硬币面额的自动识别是自动售货机和硬币清分机具的关键技术.通过摄像头采集硬币的图像信号，利用硬币的外观进行面额识别.首先提取硬币图像的不变矩特征，然后利用神经网进行图像的分类识别，从而实现硬币面额的识别.实验表明该方法能得到满意的识别结果.

介绍了BP网络在红外图像压缩中的原理及模型,详细地描述了图像压缩的实现过程,并采用 Levenberg-Marquardt算法实现了红外图像的压缩。分析仿真结果表明,通过增加隐含层的神经元数和牺牲压 缩率,可以提高重构红外图像的质量。