（机械设计及理论专业论文）基于专家系统的鸡蛋品质分级技术研究.pdf

摘要鸡蛋外观参数如蛋形指数、重量和表面裂纹等是衡量其外部品质的重要指标。论文利用图像处理技术通过分析鸡蛋外观图片采集参数，建立了对鸡蛋外观品质进行分级的专家系统。主要研究内容如下：l 在原有实验基础上改进实验硬件设备，通过调整摄像头和图像采集软件的参数，获得更为清晰、失真度低的鸡蛋图片。对采集到的鸡蛋图片应用图像处理技术进行预处理，提取相关的特征参数，如鸡蛋蛋形指数、蛋壳裂纹和鸡蛋重量等。2 在课题组研究的基础上，综合鸡蛋特征提取和单项指标分级的算法理论，将人工神经网络技术应用到专家系统中。用c 语言编写神经网络程序，用得到的样本数据训练网络，建立系统需要的知识库结构，完成鸡蛋品质检测专家系统的设计。3 用v i s u a lc + + 6 0 程序设计语言，利用面向对象的程序设计方法，设计基于神经网络的专家系统的人机界面。用户通过该系统能够轻松实现对鸡蛋外部品质分级的操作。关键词：鸡蛋品质；人工神经网络；专家系统；人机界面s t u d yo nc l a s s i f i e dt e c h n o l o g yf o re g gq u a l i t yb a s e do ne x p e r ts y s t e ma b s t r a c te g ga p p e a r a n c ep a r a m e t e r ss u c ha sw e i g h ta n ds u r f a c ec r a c ka r et h ek e yi n d e x e sw h i c hm e a s u r et h ee g g se x t e r n a lq u a l i t y 弧i sp a p e rm a k e su s eo ft h ei m a g e - p r o c e s s i n gt e c h n o l o g yt oc o l l e c tp a r a m e t e r st h r o u g ha n a l y z i n gt h ee x t e m a la p p e a r a n c ep i c t u r eo ft h ee g g s ，b u i l d su pa ne x p e r ts y s t e mt og r a d et h ee g g sb a s e do nt h ee x t e r n a la p p e a r a n c eq u a l i t y 田l em a i nc o n t e n t sa r ea sf o l l o w s ：t h ee x p e r i m e n td e v i c ei si m p r o v e db a s e do nt h eo r i g i n a le x p e r i m e n t t h r o u g ha d j u s t i n gt h ep a r a m e t e r so ft h ec a m e r aa n di m a g ea c q u i s i t i o ns o f t w a r e ，t h em o r ed e a r l ya n dl o w e rd i s t o r t i o np i c t u r e so ft h ee g g sa r eg o t t e n 。t h ec a p t u r e de g gi m a g e sa r ep r e - p r o c e s s e dw i t ht h ei m a g e - p r o c e s s i n gt e c h n o l o g yt oe x t r a c tt h er e l e v a n tf e a t u r ep a r a m e t e r s ，s u c ha se g gs h a p ei n d e x ，w e i g h ta n de g g s h e l ls u r f a c ec r a c k o nt h eb a s i so ft h eg r o u p sr e s e a r c h i n g , t h et e x tc o m b i n e st h ea r t i f i c i a ln e u r a ln e t w o r kt e c h n o l o g yi n t oe x p e r ts y s t e mb a s e do nt h ee x t e r n a la p p e a r a n c eq u a l i t ya c c o r d i n gt oe g g sf e a t u r ee x t r a c t i o na n dc l a s s i f i c a t i o no ft h ei n d i v i d u a li n d i c a t o r sa l g o r i t h mt h e o r y m a k eu s eo fcl a n g u a g et oc o m p i l et h ea r t i f i c i a ln e u r a ln e t w o r kp r o c e d u r e , t h e nm a k eu s eo fs a m p l ed a t at ot r a i nn e t w o r k ，i no r d e rt ob u i l du pt h ek n o w l e d g ed a t a b a s et h a tt h ee x p e r ts y s t e mn e e d s f i n a l l y , c o m p l e t et h ed e s i g no ft h ee g gq u a l i 哆t e s t i n ge x p e r ts y s t e m 。b a s e do i lv i s u a lc + + 6 0p r o g r m n m i n gl a n g u a g e , m a k eu s eo fp r o g r a m m i n gm e t h o dw h i c hc a t e rt oo b j e c tt od e s i g nam a n - m a c h i n ei n t e r f a c eo fe x p e r ts y s t e mw h i c hb a s e do nn e u r a ln e t w o r k 。t h es y s t e mi se a s yf o r t h eu s e r sc a r r yo u tt h eo p e r a t i o no fe g ge x t e r n a lq u a l i t yr a t i n g k e yw o r d s ：e g gq u a l i t y , a r t i f i c i a ln e u r a ln e t w o r k ，e x p e r ts y s t e mm a n m a c h i n ei n t e r f a c ed i r e c t e db y ：p r o f y uz h i h o n ga p p l i c a n tf o rm a s t e rd e g r e e ：l iy a n g ( m e c h a n i c a ld e s i g na n dt h e o r y )( c o l l e g e o f m a c h i n e r ya n d e l e c t r i c a l e n g i n e e r i n g , i n n e r m o n g o l i a a g r i c u l t m m u n i v e r s i t y , h u l 氇o t 0 1 0 0 1 8 ，c h i n a )插图清单i 图1 前十位禽蛋生产大国2 0 0 5 年禽蛋产量对比。- 。l2 图2 机器视觉硬件系统示意图。53 图3图像采集软件界面64 图4 不同光源下采集的鸡蛋图片75 图5 专家系统结构图。86 图6 神经元模型1 l7 图7s 型函数1 28 图8 前向网络1 39 图9 有反馈的前向网络1 3l o 图l o 层内有相互结合的前向网络1 41 1 图1 l 相互结合型网络1 41 2 图1 2 神经网络专家系统的基本结构图1 91 3 图1 3 通过知识t 程师获取知识2 01 4 图1 4 通过知识编辑器获取知识2 01 5 图1 5 多层前向b p 网络2 21 6 图1 6 三层神经网络结构2 51 7 图1 7 神经网络训练误差2 51 8 图1 8 神经网络训练流程图2 61 9 图1 9 改动后的3 层网络2 72 0 图2 0 新网络训练误差2 82 1 图2 ls d 算法流程图2 82 2 图2 2b p 预测流程图3 22 3 图2 3 人机界面主窗口3 22 4 图2 4 调出训练界面3 32 5 图2 5 训练界面参数设置3 32 6 图2 6 调用增加样本编辑窗口一3 52 7 图2 7 添加单个样本窗口3 528 图2 8 调用样本归一化窗口3 62 9 图2 9 样本归一化窗口3 73 0 图3 0 样本参数原始数据3 73 1 图3 1 数据归一化操作结果一3 73 2 图3 2 调出网络设置窗口3 83 3 图3 3 网络权值阂值初始化界面3 83 4 图3 4 权值初始化数据3 93 5 图3 5 调出网络训练窗口。j 4 03 6 图3 6 网络训练窗口。：4 03 7 图3 7 网络训练完成后的权值数据4 13 8 图3 8 调出系统预测界面4 23 9 图3 9 系统预测界面4 24 0 图4 0 系统分级结果4 34 l4 24 34 4表表表表输入节点与输出节点相关程度度量值。2 8不同隐含层节点数的网络计算结果3 4初始化赋值计算结果比较3 9测试结果4 1内蒙古农业大学研究生学位论文独创声明本人申明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研究成果据我所知，除了文中特别加以标注和致谢婀地方外，论文中不包含其他人已经发表或撰写过的研究成果：也不包含为获得我校或其他教育机构的学位或证书而使用过的材料，与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说。明并表示谢意申请学位论文与资料若有不实之处，本人承担一切相关责任论文作者签名：蕉塑：日期一芝堕：曼：乞内蒙古农业大学研究生学位论文版权使用授权书本人完全了解内蒙古农业大学有关保护知识产权的规定，印：研究生在攻读学位期间论文工作的知识产权单位属内蒙古农业大学本人保证毕业离校后，发表论文或使用论文工作成果时署名单位为内蒙古农业大学，且导师为通讯作者，通讯作者单位亦署名为内蒙古农业大学学校有权保留并向国家有关部门或机构送交论文的复印件和电子文档，允许论文被查阅和借阅学校可以公布学位论文的全部或部分内容。( 保密内容除外) ，采用影印、缩印或其他手段保存论文诱文作者签名：凌竖指导教师签名：掣日内蒙古农业大学硕士学位论文11 引言1 1 研究背景我国是世界上最重要的禽蛋生产和消费大国，从1 9 8 5 年至今，禽蛋产量已连续二十年居世界第一位。根据联合国粮农组织( f a o ) 最近公布的1 9 9 5 2 0 0 5 年的数据显示，作为世界排名第一的禽蛋生产大国中国，禽蛋产量在过去的十年里增长了6 7 8 。前十位禽蛋生产大国2 0 0 5 年禽蛋产量对比如图l 所示。2 0 0 5 年单中国就占有世界禽蛋产量4 1 1 的市场份额m 。图l 前十位禽蛋生产大国2 0 0 5 年禽蛋产量对比禽蛋是我国城镇居民重要的营养来源之一，与人民的生活息息相关，其重要性与以肉、奶为主的西方国家相比，具有更大的意义。在美国、澳大利亚、日本等国家鲜蛋自动处理程序和技术水平很高，鲜壳蛋的消费比例占其禽蛋消费总量的4 0 ，但都广泛应用了鲜壳蛋保鲜技术，所有鲜壳蛋都必须经加工处理：清洗消毒、干燥上膜、分级包装，符合卫生标准的才准许进入市场。而且，整个储藏、加工和销售过程的温度控制非常严格，并实行商标管理，没有不经加工处理从鸡舍直接送农贸市场( 或超市) 直销的现象。我国在这方面已落后国外许多年，随着人民生活水平的提高，禽蛋规模化加工处理，达标上市是必然趋势。1 2 禽蛋品质检测国内外研究现状国内的科研人员发明了一系列禽蛋制品加工、检测设备和技术，如高效的光透验蛋机、自动选蛋机、贮运盘光透翻转式验蛋机、电导率仪( 用于检测鸡蛋新鲜度) ；禽蛋质量自动检选技术、q j t - 0 1 型禽蛋质量微机自动检选系统、鸡蛋品质光电检测方法、鸡蛋中甲醛残留量的测定方法等。这些研究发明中，许多具有很强的实用性，推广应用前景广阔。国产禽蛋清洗分级加工处理设备种类很少，据统计只有9 x d j 一7 2 0 型沈蛋机和青岛兴仪电子设备有限公司研制的新型自动洗蛋设备。分级加工处理设备属于空白。国2基于专家系统的鸡蛋品质分级技术研究内大型禽蛋厂在用的均为进口设备。一般厂家对禽蛋的质量检选几乎都采用手工方法，但人体感官功能毕竟有限，检选速度低，检选质量也难以保证。禽蛋分级以前也是采用手工方法，但劳动生产率很低，严重制约了蛋品工业的机械化、自动化。针对上述现状，近年来不少学者和研究机构都对禽蛋品质检测和分级机构作了大量研究，并取得了不少成果。目前，国外禽蛋生产场一般都具有一整套自动化禽蛋采集设备和鲜蛋处理系统，将各环节和鲜蛋处理有机结合成一套自动化管理系统。禽蛋产出后落入输运带，送至验蛋机，剔除破壳蛋，进入洗蛋机自动清洗，再送向禽蛋处理机，可自动涂膜、干燥等，最后送入选蛋机进行自动检数、分级和包装，为鲜蛋销售和蛋品加工提供优质原料奠定了基础。m o b a 公司( 荷兰、美国) 、g e o r g i a 大学( 美国) 、新西兰政府工业研究公司、p a r d u e 大学( 美国) 、i h a m e s v a l l e y 食品公司( 美国) 都在从事禽蛋( 鲜壳蛋) 分级包装机的生产或研究。其中m o b a 公司的机器分类最全，处理量每小时1 6 0 0 1 0 0 0 0 0枚左右。m o b a 公司是全球著名的农业机械公司，总部在荷兰，在美国、英国等设有分部，并在上海设有代理处。这些公司的产品，基本代表国际禽蛋( 鲜壳蛋) 加工处理技术的最好水平，普遍应用计算机技术、传感器技术配合气动和机械系统，能够完成自动分级( 包括次蛋优选) 和自动包装工作，基本上淘汰了十多年前的机械天平计量分级结构。其中，m o b a公司生产销售的自动分级包装机是世界著名产品，产品规格多、系列化、应用遍布世界各地、适应性强、适用范围广。其主要特点是：1 转动系统可使包装的所有禽蛋的端部指向同一方向。2 独一无二的检测系统只要操作两个推动按键，就可以探测蛋的裂纹、血迹和蛋壳上的污物，并按照原先的要求将其分成几个不同的部分。3 系统可对探测到的具有裂纹的禽蛋进行优选处理。4 传输装置将禽蛋平稳地从滚筒上传输到分级装置上。5 可对包装完备的照蛋箱进行检查。6 电磁裂缝控制可以探测头发丝一样的裂纹，以保证禽蛋加工质量。7 在一层包装设备蛋栈中，蛋被预选设定的程序，它可按其重量划分成4 5 类，并再度被分级。1 3 专家系统及其发展嘲专家系统( e x p e r ts y s t e m ) 是人工智能研究的一个重要应用领域，在国外也被称为知识库专家系统，与自然语言理解、机器人一起并列为a i 研究最活跃的三大领域。1 9 5 6 年，a n e w e u 和h a s i m o n 在逻辑论和通用问题求解程序g p s ( g e n e r a lp r o b l e ms l o v e r ) 的研制中为专家系统的产生奠定了基础。自1 9 6 8 年f e i g e n b a u m 等人成功研制第一个专家系统d e n d r a l 以来，专家系统技术迅速发展，广泛地应用于医疗诊断、图像处理、石油化工、地质勘探、金融决策、教学、军事等多种领域中，产生了巨大的社会及经济效益。专家系统是在关于人工智能( a r t i f i c i a li n t e l l i g e n c e 缩内蒙古农业大学硕士学位论文3写为a i ) 研究处于低潮时提出来的，它的成功应用使人工智能摆脱了困境，人们也开始从探索思维规律转向智能行为的研究。2 0 世纪7 0 年代中期，先后出现了一批卓有成效的专家系统，其中较具代表性的有m y c i n ，p r o s p e c t o r ，c a s n e t a m 、p u f f 等专家系统。m y c i n 系统能对细菌感染性疾病做出专家水平的诊断和治疗，并且第一次提出知识库的概念瑚；p u f f 是一个肺功能测试专家系统，经对多个实例进行验证，成功率达9 3 t , j 。至此关于专家系统通用性研究的骨架系统和通用表示语言的思想已形成。1 9 7 7 年，e d w a r df e i g e n b a u m 教授在第五届国际a i 联合会上对专家系统的思想作了系统总结，提出了知识工程的概念，至此，专家系统技术己基本成熟。自2 0 世纪8 0 年代中期以后，人们对专家系统的研究开始转向了与模糊、神经网络等其他技术相结合的方向嘲。随着专家系统的理论研究和实践开发的深入，分布式专家系统、多专家系统的协同问题求解；利用数据库技术( e l 、多媒体技术m 、组件技术哺，、网络技术t 0 1 ；模糊控制技术n 们、神经网络技术n n 在专家系统中应用等内容都得到工程界的普遍关注。1 4 国内外农业专家系统应用及发展现状 2 1近年来，随着计算机运算速度的不断提高和计算机智能技术在农业生产中的广泛应用，用各种智能技术实现农产品的品质检测与自动分级，既可以解放劳动力、排除人主观因素的干扰，又能够快速而准确地进行农产品品质的综合评价，是一个极有发展前途的研究方向。1 9 7 8 年美国伊利诺伊大学( i l l i n o i su n i v e r s i t y ) 开发的大豆病虫害诊断专家系统( p l a n t e s ) 是世界上应用最早的农业专家系统。美国农业专家系统开发最早，发展也相当迅速，不论在广度和深度方面均有了较大发展。棉花综合管理专家系统c o m p g o s s y m 是美国最为成功的一个农业专家系统，由美国农业部和全国棉花委员会于1 9 8 6 年l o 月研制成功，用于面向棉花种植者推荐棉田管理措施。加利福尼亚大学戴维斯分校研制的c a l e x 系统，也是一个著名的例子。它开始应用于棉花的生产管理，后又建造了c a l e x p e a c h e s 用于桃树园林管理，它是专用于农业生产管理的专家系统工具软件。近年来，又建造了c a l e x r i c e ，用于水稻生产管理。政府部门对农业专家系统较早重视的国家要算同本。日本农林水产省1 9 8 4 年专门组织了专门的委员会针对农业专家系统进行调研分析，并提出了全面实施计划，反映出日本政府对这门高技术在农业上的作用给予的高度重视。这些年来己取得了不少成绩，出现了若干个农业专家系统，例如东京大学的西红柿栽培管理专家咨询系统、培养液管理专家系统、花卉栽培管理支持系统、大豆栽培作业规划、品种选择支持系统等。许多系统已经得到应用，一部分己成为商品进入市场。4基于专家系统的鸡蛋品质分级技术研究我国农业专家系统的研究，早在2 0 世纪8 0 年代初期就已开始，是国际上开展此领域的研究与应用较早的国家之一。1 9 8 3 年，中国科学院合肥智能机械研究所与安徽省农业科学院土壤肥料研究所合作研制的“砂姜黑土小麦施肥专家咨询系绗，于1 9 8 5 年1 0 月建成，在安徽省淮北平原1 0 多个县得到较大规模应用，开创了农业专家系统在我国的应用。2 0 世纪8 0 年代初，浙江大学进行了蚕育种专家系统的研究。在“七五”期间，各地高校、研究所也相继开发了不少农业专家系统，如河北省农业厅与廊坊市农林局运用g u r u 工具开发的翼北小麦专家系统，辽宁省农业科学院的水稻新品种选育专家系统，中国农业科学院畜牧研究所的畜禽饲料配方专家系统等。我国开始出现了研制专家系统的热潮。在2 0 世纪9 0 年代，我国农业专家系统又有了新发展，国家“8 6 3 ”计划和农业部、中国科学院以及许多省的农业科学院和高等院校继续安排农业专家系统的研究与开发，不论在广度和深度方面均有了很大的进展。近年来，随着信息技术的飞速发展，农业信息技术正受到国家有关部门以及各省领导的重视。“智能化农业信息技术应用示范工程”己被列为国家“8 6 3 ”重点项目，国家科委、国家自然科学基金委、农业部和许多省都安排了相应的攻关研究课题。可以预见，一个以农业专家系统为重要手段的智能化农业信息技术将在我国迅速发展。1 5 研究内容本研究是在内蒙古农业大学机电工程学院郁志宏、张晓芳和张莉研究课题的基础上进行。主要研究内容如下：( 1 ) 对现有实验装置进行改进，保证获取的鸡蛋图片信息完整；( 2 ) 对实验装置进行标定，然后利用实验装置采集鸡蛋图像，并对图像做预处理，提取鸡蛋图片的特征参数，包括蛋重、蛋壳裂纹和蛋形指数；( 3 ) 从如何有效结合专家系统与神经网络技术角度出发，提出了一种基于鸡蛋品质检测的神经网络专家系统设计方案。本文在分析了专家系统与神经网络各自的特点和应用、传统系统存在的问题和结合的优势以后，拟从以下几个方面来展开研究：( 1 ) 知识的存储采用神经网络中的b p 网络模型，学习算法采用改进的b p 算法。通过学习，完成知识的获取及存储。( 2 ) 基于a n n 的知识库，提出了一种基于a n n 的正向推理算法，完成了对知识的推理。( 3 ) 提出系统的总体设计方案，在总体设计的框架下实现了一个基于神经网络的专家系统。内蒙古农业大学硕士学位论文52 鸡蛋外观品质检测系统硬件鸡蛋外部品质检测硬件系统由载物台、光室、光源、c c d 摄像机、图像采集卡、计算机等组成，如图2 所示。6l 鸡蛋2 载物台3 光室4 光源5 固定光源支架6 摄像机7 图像采集卡8 计算机图2 机器视觉硬件系统示意图2 1c c d 摄像机本实验用到的c c d 摄像机是德国产b a s l a ra 1 0 1 f c 彩色面阵c c d 摄像机。该摄像机体积小巧、性能可靠、清晰度高，可以一次性获得整幅图像，有利于提高图像的处理和分析速度，满足本实验要求。基本参数为：1 3 0 0 ( 水平) x 1 0 3 0 ( 垂直) 点阵，帧速率1 1 7 5 或1 2 0 0 f r a m e s s ，输出接i e e e l 3 9 4 ，高感光度，高信噪比，每像素尺寸为6 7 6 7 。手动固定镜头，焦距为1 6 m m 。与该摄像机配套的有b a s l a r 图像采集软件，软件界面如图3 所示。6基于专家系统的鸡蛋品质分级技术研究：繁蔓糍砂。转皇：囊蛾燃鬟罄蠛i 孵一；缀萋曩jj 蕊。 ；誊甚纂；黧j 舞。，蓦誊j 菇、黧惑，。；鬟。搿赫攥l 魏麓曩妻l 缓瓣鬻勰罐骥鬟霹i ，黪j 驽囊穆箴纛臻懑荔荔褫；纂。稿，：缓糍蠢墨鬻j 。戮萋雾雾鬻鬻麓缓嚣箨荔缓荔荔i 雾誓镳荔馐：! 堕鐾鎏鬻麓ii 黧翟缝翟萋萎骖燮兰摹匿i 鬻夏荔黧：罂鐾：鹭尊蓑ji 鬻鸶攀尊蒡鬻辫攀琏：荔辔鬻图3 图像采集软件界面2 2 光照箱本实验采用文献n ”设计的光照箱系统，大小为6 0 c m 6 0 c m 6 0 c m ，内壁表面涂成白色，以形成均匀的漫反射。箱子顶部有一个4 c m x 4 c m 的方孔用于固定摄像机。箱内方孔附近装有支架，用于固定光源。载物台用3 个分别固定在箱子侧面的螺栓来支撑，螺栓在卡槽内上下可以移动，用于调节载物台的高度，实现摄像机位置固定，在不同物距条件下采集图像清晰度的比较，以期得到最佳的图像效果。2 3光源在实验中，分别选取6 0 w 、1 0 0 w 、1 5 0 w 的白炽灯、3 5 w 、5 0 w 的卤钨灯以及3 2 w 、4 0 w 的环形r 光灯作为光源作对比分析实验。结果表明，白炽灯和卤钨灯的发热量都很大，并且通过调整物距、焦距以及灯光入射角度都很难得到较满意的图像效果，并会在鸡蛋表面形成明显亮点，使鸡蛋图像颜色失真。环形日光灯的发热量要远小于上述两种光源，通过调整参数( 包括摄像头的焦距、载物台高度以及b a s l a r 软件罩的其他参数) ，可以获得清晰的鸡蛋图像，而且外壳颜色接近于原色，便于后续处理。分别采用卤钨灯和环形同光灯作为光源采集的图像a 和b 如图4 所示。内蒙古农业大学硕士学位论文7爹ij 1 一j 攀ab图4 不同光源下采集的鸡蛋图片最终确定3 2 w 的环形日光灯作为本实验的光源，固定于光照箱顶部中央处。日光灯的型号为：欧斯迪牌环形f 光灯t 53 2 w2 2 0 vb 型。2 4 背景选择由于鸡蛋蛋壳颜色有白、浅褐、褐、深褐和青色之分，为了使背景颜色与蛋壳颜色能够产生明显的视觉差异，本实验选择黑色作为背景颜色。实验结果表明，在所采集到的图像中，鸡蛋的特征包括大小、形状、壳色、蛋壳表面质量等都能很好地与背景区分开。鸡蛋图像的灰度直方图呈明显的双峰状，能够较准确完整的反映鸡蛋表面特征。2 5 计算机实验所用计算机配置为：c p u 是a m ds e m p r o n3 0 0 0 ( 主频1 8 4 g h z ) ，5 12 m b 内存，8 0 g 硬盘，r a d e o n9 5 5 0 显卡，内部加装了德国产b a s l a r a l 0 1 f c 真彩色图像采集卡。3 基于神经网络的专家系统3 1专家系统3 1 1 专家系统简介被誉为“j 争家系统和知识 ：程之父”的斯坦福大学e d w a r df e i g e n b a u m 教授，对专家系统的定义为：一种智能计算机程序，它运用知识和推理来解决只有专家才能解决的问题。也就是说，专家系统技术是以计算机为工具，利用专家知识及知识推理来理8基于专家系统的鸡蛋品质分级技术研究解与求解问题的知识系统，模拟人类领域专家的宏观推理活动，是一种利用计算机对于符合模型描述的领域知识进行符号推理的技术n ”。专家系统技术覆盖了计算机应用的许多领域，按其所完成的任务性质和特征，可以分为解释专家系统、预测专家系统、规划专家系统、诊断专家系统、控制专家系统、决策专家系统、咨询专家系统等几类c ，“。专家系统是人工智能领域中较为成熟的一个分支。所谓“专家”，一般都拥有某一特定领域的大量知识，以及丰富的经验。在解决问题时，专家们通常拥有一套独特的思维方式，能较圆满地解决一类困难问题，或向用户提出一些建设性的建议等。一般认为，专家系统就是知识工程师通过知识获取手段，将领域专家解决特定领域问题的知识，采用某种知识表示方法编辑或自动生成某种特定的表示形式，存放在知识库中，然后用户通过人机接口输入信息、数据或命令，运用推理机构控制知识库及整个系统，来得到问题的求解结果。3 1 2 专家系统的结构图5 专家系统结构图目前多数专家系统( e s ) 是以m y c i n 系统为代表的基于规则的专家系统( r u l e - b a s e de x p e r ts y s t e m ) 。这类专家系统基本上是扩充的产生式系统结构，它有六个组成部分：知识库、推理机、综合数据库、入机接口、解释程序和知识获取程序“秘。基本结构如图5 所示。系统各个模块的功能如下：( 1 ) 人机接口：人机交互接口又叫用户界面，即用户与专家系统进行联系的部分。一般是用来进行数据、信息或命令的输入，结果的输出和信息的显示等。它们与用户内蒙古农业大学硕士学位论文9交往的媒介可以是文字、声音、图像、图形、动画、音像等。衡量一个专家系统性能的优劣，除了看其功能强弱多少外，人机交互的友好方便、画面的图文并茂和形象生动是很重要的。( 2 ) 知识库：用于存放专家所提供的专门知识，这些专门知识包括各种设计标准以及专家凭经验得到的知识。知识库中拥有的知识数量和质量是专家系统性能和问题求解能力的关键因素。( 3 ) 知识获取程序：知识获取程序负责管理知识库中的知识，包括根据需要修改、删除或添加知识及由此引起的一切必要的改动，维持知识库的一致性、完整性等方面。知识获取程序是实现系统灵活性的主要部件，它使领域专家可以修改知识库而不必了解知识库中知识表示方法、知识库的组织结构等实现上的细节问题，这大大提高了系统的可扩充性。( 4 ) 综合数据库：综合数据库用于存放系统运行过程中所需要及产生的所有信息，包括问题的描述、中间结果、解题过程的记录等信息。数据库的组织、数据间的联系、数据的管理等是设计数据库时需要考虑的重要问题。在专家系统中，数据的表示与组织应尽量做到与知识的表示与组织相容，以便推理机使用知识库中的知识和描述问题当前状态的数据去求解问题。( 5 ) 推理机：推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向推理是从前提匹配到结论，反向推理则先假设一个结论成立，看它的条件有没有得到满足。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。( 6 ) 解释程序：解释程序负责回答用户提出的各种问题，包括与系统运行有关的问题和与运行无关的关于系统自身的一些问题。解释程序是实现系统透明性的主要部件。3 1 3 专家系统的优点专家系统具有以下几个方面的优点n 町：( 1 ) 透明性。专家系统能解释其推理过程，并且对有关它的知识的询问做出回答。也就是说每条知识应具有良好的用户接口。许多专家经验知识是在实践中总结出来的，没有上升为理论，没有正确性保障，很难为旁人所理解。如果专家系统像只黑箱，只给出结论，不做出任何解释，特别是当专家系统的结论与用户的结论矛盾时，专家系统就很难让用户信服。专家系统因为能够回答用户“为什么”和“怎样”，可以增加用户对专家系统的信任程度，有助于知识的检查和更新，也有利于专家经验的推广。( 2 ) 灵活性。人类的知识在不断更新，特别是经验知识。人们在随时发现新问题，解决新问题。解决新问题的方法就是新知识。专家系统的知识库很容易加入新知识对l o基于专家系统的鸡蛋品质分级技术研究象，并允许专家经验在反复修改的过程中表达出来，因而，专家系统知识具有灵活性。( 3 ) 智能性。专家系统具有智能性，就是具有相对独立的解决问题能力。它不是领域专家的奴隶，而是与领域专家具有同级水平的专家，在某些地方甚至可以略胜一筹。这就要求系统能有总结经验完善自身的功能，也就是具有自学习功能。( 4 ) 知识表示明确性。专家系统使用演绎的方法，把从系统外得到并用代码输入系统的知识推广，知识表达很明确，是一种可以让专家识别的形式，因而容易证实。3 1 4 专家系统的瓶颈专家系统的瓶颈可以从以下四个方面进行概括n 订：( 1 ) 知识获取难。知识获取的主要途径是机器学习、机器感知和人工移植。前两种知识获取途径，目前的能力还很低下，且机器感知需要依赖于模式识别、自然语言理解等方法和技术。大部分专家系统的知识获取还需要人工移植，即知识工程师通过和专家交谈获取专家的经验知识。这样做知识工程师很难比较全面的获得并整理所需的知识，因为有时专家自己也难以将知识讲清楚，很多场合下他只是凭感觉或经验去处理问题，这是人脑的下意识行为，是经验和知识积累的结果，很难用语言来描述。此外，如果多个领域专家的知识之间互相矛盾，怎样处理这样的矛盾，知识工程师经常会束手无策。( 2 ) 处理复杂问题的时间长。专家系统的硬件支持系统是计算机，而传统的计算机都是串行处理信息，对于一个复杂的系统，计算机要花费较长的时问一个一个地处理程序代码，这个缺陷限制了计算机执行高速运算的性能，也使专家系统难以适应实时系统的要求。( 3 ) 容错能力差。计算机采用局部存储方式，不同的数据和知识存储时互不相关，只有通过人编写的程序才能相互沟通，程序中微小的错误都会引起严重的后果，系统表现出极大的脆弱性。( 4 ) 基础理论还小完善。专家系统的本质特征是基于规则的逻辑推理思维，然而迄今的逻辑理论仍然很不完善，现有的逻辑理论的表达能力和处理能力有很大的局限性。3 2 神经网络概述人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，简称a n n ) 是人工智能领域中的一个重要分支，它是由大量的、很简单的处理单元( 或称神经元) 广泛地互相连接而形成的复杂网络系统。它反映了人脑智能的许多基本特征，但并不是人脑神经元联网的真实写照，而只是对其作某种简化、抽象和模拟。人工神经网络是由各种神经元按一定的拓扑结构相互连接而成的，它通过对连续的和间断的输入做出状态反馈而完成信息处理工作。内蒙古农业大学硕士学位论文1 1神经网络在模仿生物神经计算方面有一定优势，它具有自学习、自组织、自适应、联想、模糊推理等方面的能力“町。神经网络有许多种类型，主要有前向型、反馈型、随机型和自组织竞争型等。其中前向型神经网络是数据挖掘中广为应用的一种网络，其原理或算法也是其他一些网络的基础。比较成熟的有b p 神经网络、径向基函数( r a f ) 神经网络等。3 2 1人工神经网络的基本原理3 2 1 1 神经元的结构模型图6 神经元模型神经元是神经网络的基本处理单元。它一般是一个多输入单输出的非线性器件，其一般的结构模型如图6 所示n ，。其中，吩为神经元f 的内部状态，够为阈值，工，为输入信号，表示与神经元f 连接的权值，墨表示某一外部输入的控制信号，乃表示输出信号。神经元模型常用一阶微分方程来描述( 模拟生物神经网络突触膜电位随时间变化的规律) ，即r 等一“卅国 ( f ) 卅r( 3 1 )iy ，( t ) = f uf ( t ) 】神经元的输出由函数厂表示。常用s 型函数表达其非线性特征。3 2 1 2 神经元激活函数神经元在获得网络输入后，它应该给出适当的输出。按照生物神经元的特性，每个神经元有一个阈值，当该神经元所获得的输入信号的累积效果超过阈值时，它就处于激发态；否则，应该处于抑制态。为了使系统有更宽的适用面，人工神经元需要1 2基于专家系统的鸡蛋品质分级技术研究有一个更一般的变换函数，用来执行对该神经元所获得的网络输入的变换，这就是激活函数( a c t i v a t i o nf u n c t i o n ) n 叮，也可以称之为激励函数、活化函数、功能函数。用厂表示：0 = f ( n e t )( 3 2 )其中，o 是该神经元的输出。由此式可以看出，函数厂同时也用来将神经元的输出进行放大处理或限制在一个适当的范围内。典型的激活函数有线性函数、非线性斜面函数、阶跃函数、s 型函数等四种。本课题用到了应用最为广泛的s 型函数。s 型函数又叫压缩函数( s q u a s h i n gf u n c t i o n ) 和逻辑函数( l o g i s t i cf u n c t i o n ) 。它的一般形式为八胎力_ 口+ 鬲高0 3 )其中a , b , d 为常数。它的图像如图7 所示。t oa 十b。( o ，c )n e ta图7s 型函数图中，c = 口+ 6 ) 2它的饱和值为a 和a + b 。该函数的最简单形式为1m 甜) 2 鬲意丽( 3 4 )此时，函数的饱和值为0 和l 。s 型函数之所以被广泛地应用，除了它的非线性和处处连续可导性外，更重要的是由于该函数对信号有一个较好的增益控制。函数的阈值可以由用户根据实际需要给定，在i n e t i 的值比较小时，f ( n e t ) 有一个较大的增益；在i n e t i 的值比较大时，f ( n e t )有一个较小的增益，这为防止进入饱和状态提供了良好的支持。内蒙古农业大学硕士学位论文1 33 2 1 3 神经元之间的连接形式神经元是一个复杂的互连系统，单元之间的相互模式对网络的性质和功能产生重要影响。根据连接方式的不同，神经网络可以分为如下几种形式n 帕：( 1 ) 前向网络前向网络如图8 所示，神经元分层排列，分别组成输入层、中间层( 也称为隐含层，可以有若干层) 和输出层。每一层的神经元只接受来自前一层神经元的输入。后面的层对前面层没有信号反馈。输入模型经过各层次顺序传输，最后在输出层上得到输出。感知器和误差方向传播算法所采用的网络均属于前向网络模型。图8 前向网络( 2 ) 有反馈的前向网络有反馈的前向网络如图9 所示，从输出层对输入层有信息反馈。这种网络可以用来存贮某种模型序列，如神经认知机即属此类。图9 有反馈的前向网络( 3 ) 层内有相互结合的前向网络层内有相互结合的前向网络如图l o 所示。通过层内神经元的相互结合，可以实现同一层内神经元之间的横向抑制或兴奋机制。这样可以限制每层内能同时动作的神经元数，或者把每层内的神经元分成若干组，让每组作为一个整体来运作。例如，可1 4基于专家系统的鸡蛋品质分级技术研究以利用横向抑制机理把某层内具有最大输出的神经元挑选出来，而抑制其他神经元，使之处于无输出的状态。图l o 层内有相互结合的前向网络( 4 ) 相互结合型网络相互结合型网络如图1 1 所示，包括全互连和部分互连类型。这种网络在任意两个神经元之间都可能有连接。h o p f i d d 网络和b o l t z m a n 机均属于这种类型。在无反馈的前向网络中，信号一旦通过某个神经元，该神经元的处理过程就结束了。而在相互结合网络中，信号要在神经元之间反复传递，网络出于一种不断改变状态的动态之中。从某初始状态开始，经过若干次的变化，才会达到某种平衡状态。根据网络的结构和神经元的特性，网络的运行还有可能进入周期振荡或其他如混沌等平衡状态。图1 l 相互结合型嘲络3 2 2 神经网络应用和发展关于神经网络的研究可以追溯到2 0 世纪4 0 年代。1 9 4 3 年麦克洛奇与皮兹提出神经网络的数学模型，即m p 模型，从此开创了神经科学理论研究的新时代。1 9 4 9年心理学家赫布( h e b b ) 提出的改变神经元强度的h e b b 规则，为神经网络学习算法的研究奠定了基础。1 9 5 7 年罗森勃拉特( f r o s e n b l a t t ) 提出了感知器( p e r c e p t i o n ) 模型，把神经网络从纯理论的探讨引向了工程上的实现，掀起了神经网络研究的第一个高内蒙古农业大学硕士学位论文15潮。据估计，当时有上百个实验室及研究机构研制了相应的电子装置以进行声音、文字的识别及学习记忆等嘲。6 0 年代，神经网络研究曾一度陷入了困境。直到1 9 8 2 年j j h o p f i e l d 提出了离散的神经网络模型，标志着神经网络的研究高潮又一次到来。随后他又提出了连续神经网络模型，其中神经元动态方程可以用运算放大器来实现，并用电子线路来仿真。自2 0 世纪8 0 年代以来，世界上许多国家都掀起了研究神经网络的热潮。g m d h 网络本来是i v a k h n e n k o ( 1 9 7 1 ) 为预报海洋河流中的鱼群提出的模型，又成功的应用于超音速飞机的控制系统和电力系统的负荷预测m 1 。在国际研究潮流的推动下，我国也于1 9 9 0 年召开了中国神经网络首届学术大会，对人工神经网络模型、学习算法、神经网络与人工智能等进行了讨论啪，。近年来，人们对神经网络的研究和应用开始渗透到许多领域，如机器学习、专家系统、智能控制、模式识别、计算机视觉、信息处理、智能计算、联想记忆、编码理论、医学诊断、金融决策、数据挖掘、非线性系统辩识及非线性系统组合优化等。3 2 3 神经网络的优点与传统的专家系统相比较，人工神经网络吸取了生物神经网络的许多优点，因而人工神经网络具有如下的优势啪询：( 1 ) 人工神经网络既可以解决定性问题，又可用于直接解决定量的问题，并具有较好的可靠性。( 2 ) 人工神经网络擅长于处理复杂的多维的非线性问题。理论上证明，任何连续函数都可用它以任意程度逼近。人工神经网络每个神经元接受大量其它神经元的输入，并通过并行网络产生输出，影响其它神经元。网络之间的这种相互制约和相互影响，实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是网络局部性能的简单迭加，而是表现出某种集体性的行为。( 3 ) 人工神经网络具有自适应、自学习能力。它可以通过训练和学习来获得网络的权值与结构，从己有的实验数据中自动总结规律，而不依赖于“专家”的头脑。( 4 ) 神经网络对知识的表示是隐式的，它用网络的拓扑结构表示节点间的相互关系，节点间的互联强度表示项与项之间相互影响的强弱。( 5 ) 人工神经网络具有良好的并行性。人工神经网络是由许多相同的简单处理单元并联组合而成，使其对信息的处理能力与效果惊人。( 6 ) 良好的容错性与联想记忆功能。人工神经网络通过自身的网络结构能够实现对信息的记忆，而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所存储的信息内容，因而是分布式的存储方式，这使得网络具有良好的容错性，既能进行模式信息处理，又能进行模式识别。1 6基于专家系统的鸡蛋品质分级技术研究3 3 专家系统和神经网络的区别从神经网络与专家系统的结构定义、工作原理来看，它们是两种完全不同的技术，有很大的区别。这主要表现在渊嘲：( 1 ) 专家系统是对知识进行形式化的符号描述，因而它的知识表示是显式的、描述性的；而神经网络对知识的表示是隐式的，它用网络的拓扑结构表示节点间的相互关系，节点问的互联强度表示项与项之间相互影响的强弱。( 2 ) 专家系统获取知识的主要途径目前基本上还是机械式学习和讲授式学习，它的知识是在系统外学习得到的，然后以代码的形式输人知识库中：人工神经网络获取知识的方法则是直接从数值化的实例中学习或将传统人工智能技术已获得的知识特例转化为神经网络的分布式存储，学习是在系统内部存在并可以成为十分活跃的部分。( 3 ) 专家系统是具有符号推理机制的计算机程序，使用离散逻辑作为它的功能基础；而神经网络试图要模仿人脑智力功能，它的实现是基于连续的数值计算。( 4 ) 专家系统使用演绎的方法，把从系统外得到并用代码输入系统的知识推广，知识表达很明确，是一种可以让专家识别的形式，因而容易证实，并且，专家系统中知识库与推理机是相互独立的，知识可以渐进地积累，当某一事实改变时，修改也较容易；而神经网络则运用归纳的方法，在原始数据上通过学习算法建立内部知识库，但各单个神经元并不存储信息，网络的知识编码在整个网络连接权矩阵中，知识表达不明确。神经网络一旦学习完成就能迅速地求解，具有良好