李 帥 單國華 賈麗霞 鐘 民 劉 瑞

(1.新疆大學(xué)，新疆烏魯木齊，830046;2.新疆維吾爾自治區(qū)纖維檢驗(yàn)局，新疆烏魯木齊，830026)

棉花顏色級檢驗(yàn)體系是通過大容量棉花纖維測試儀(HVI)來進(jìn)行棉花反射率Rd和黃度值+b的測定，并依據(jù)顏色分級圖定出棉花顏色級。顏色級檢驗(yàn)體系有利于我國棉花在棉花質(zhì)量檢驗(yàn)指標(biāo)體系以及檢驗(yàn)方法上與國際通行做法全面接軌，更加有利于中國棉花產(chǎn)業(yè)健康發(fā)展[1-2]。然而，HVI測定棉花的顏色級必須在嚴(yán)格的條件下進(jìn)行，不能實(shí)現(xiàn)棉花顏色級的實(shí)時(shí)檢測[3]。

測色配色儀在紡織相關(guān)企業(yè)使用廣泛，設(shè)備價(jià)格相對便宜、操作簡單、使用方便，且不需要專業(yè)的測試條件，主要用于紡織品的白度、黃度以及染色織物顏色的測試等[4]。該儀器測得的棉纖維色度參數(shù)明度值L*，即試樣顏色的明亮程度；L*值越大表示試樣顏色越亮，越小表示顏色越暗。棉纖維色度參數(shù)黃度值b*，反映的是黃色和藍(lán)色之間的色度，負(fù)值表示試樣顏色偏藍(lán)，正值表示試樣顏色偏黃。這與HVI測得的反射率Rd、黃度值+b的物理意義是一致的。在此基礎(chǔ)上，國內(nèi)陸永良等人以及國外Devron等人采用線性回歸的方法證明了測色配色儀參數(shù)L*、b*與HVI測定棉花的Rd、+b之間線性相關(guān)，但對于棉花顏色級與測色配色儀測定的色度參數(shù)之間關(guān)系的研究較少[5-6]。經(jīng)過前期的研究，發(fā)現(xiàn)顏色級和色度參數(shù)間是非線性相關(guān)的關(guān)系，而BP神經(jīng)網(wǎng)絡(luò)算法是應(yīng)用較多的一種前饋式學(xué)習(xí)算法與反向傳播算法的神經(jīng)網(wǎng)絡(luò)，它可以充分逼近任意復(fù)雜的非線性關(guān)系。本文研究了基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建棉花顏色級與棉纖維色度參數(shù)L*、b*之間的關(guān)系，為實(shí)現(xiàn)棉花顏色級快速、及時(shí)、便捷的檢測提供基礎(chǔ)[7-8]。

1 試驗(yàn)部分

1.1 試樣規(guī)格

棉花試樣總共280份，每份250 g，所有試樣均為市場流通的新產(chǎn)棉花。

1.2 測試方法

1.2.1 顏色級測試

根據(jù)GB/T 20392—2006《HVI棉纖維物理性能試驗(yàn)方法》，采用烏斯特HVI 1000型大容量棉花纖維測試儀確定棉花顏色等級。

1.2.2 色度參數(shù)測試

根據(jù)GB/T 17644—2008《紡織纖維白度色度試驗(yàn)方法》，采用Hunter Lab UltraScan PRO型測色儀測試色度參數(shù)。從每份棉花試樣中隨機(jī)抽取5個(gè)小樣(小樣規(guī)格為600 mg/個(gè))，每個(gè)小樣正反面各測試一次，得到10組數(shù)據(jù)，經(jīng)算術(shù)平均后得到該份棉花試樣的色度參數(shù)L*、b*值。

1.3 BP神經(jīng)網(wǎng)絡(luò)模型建立

1.3.1 BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)選擇

280份棉花試樣共采得顏色等級11個(gè)。對每個(gè)顏色等級隨機(jī)抽取5份，共計(jì)55份。從這55份試樣中隨機(jī)抽取10份作為測試組F0進(jìn)行本次試驗(yàn)研究，剩余的45份作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練組[9]。

1.3.2 BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)前處理

為了減弱主控因素L*、b*不同量綱的數(shù)據(jù)對網(wǎng)絡(luò)模型訓(xùn)練與預(yù)測的影響，在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練前，應(yīng)對兩個(gè)主控因素歸一化處理[10]。采用premnmx函數(shù)將輸入變量L*、b*歸一化到[-1，1]之間，具體的調(diào)用格式為：

[p1,minP,maxP,t1,minT,maxT]=premnmx(P,T)

輸出變量反歸一化函數(shù)為postmnmx，具體調(diào)用格式為：

A=postmnmx(B,minT,maxT)

式中，P為輸入變量矩陣，minP、maxP分別為輸入變量最小值和最大值，T為輸出變量矩陣，minT、maxT分別為輸出變量最小值和最大值，B為歸一化預(yù)測值矩陣，A為預(yù)測值矩陣。

1.3.3 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)設(shè)計(jì)

輸入輸出神經(jīng)元個(gè)數(shù)選擇：選擇棉纖維色度參數(shù)L*、b*作為輸入變量，棉花顏色級作為輸出變量[11]。設(shè)置BP神經(jīng)網(wǎng)絡(luò)輸入層的神經(jīng)元個(gè)數(shù)為2，輸出層的神經(jīng)元個(gè)數(shù)為1。

隱層層數(shù)選擇：BP神經(jīng)網(wǎng)絡(luò)是在輸入層與輸出層之間增加一個(gè)或幾個(gè)隱含層，隱含層層數(shù)越多，精度越高，網(wǎng)絡(luò)結(jié)構(gòu)越復(fù)雜，訓(xùn)練時(shí)間越長。綜合考慮后，本文隱含層選用1層[12]。

隱層神經(jīng)元個(gè)數(shù)選擇：由公式(1)確定[13]。

(1)

式中,N為隱層神經(jīng)元個(gè)數(shù)，n為輸入神經(jīng)元個(gè)數(shù)，m為輸出神經(jīng)元個(gè)數(shù)，a為1～10之間的常數(shù)。為了提高預(yù)測精度，建立的BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為2-N-1，經(jīng)計(jì)算得，N的取值范圍為3～12，通過網(wǎng)絡(luò)模擬訓(xùn)練，根據(jù)相關(guān)系數(shù)和訓(xùn)練誤差最小值確定N值。

1.3.4 BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)過程

采用MATLAB軟件編程來實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的建立。采用三層網(wǎng)絡(luò)，隱含層傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為purelin，網(wǎng)絡(luò)訓(xùn)練函數(shù)為traingdx。編程代碼主要部分如下：

[p1,minP,maxP,t1,minT,maxT]=premnmx(P,T)；%輸入輸出變量歸一化

net=newff(minmax(p1),[N,1],{'tansig','purelin'},'traingdx')；%建立BP神經(jīng)網(wǎng)絡(luò)

[net,tr]=train(net,p1,t1)；%進(jìn)行網(wǎng)絡(luò)訓(xùn)練

A=premnmx(O)；%測試變量歸一化

B=sim(net,A)；%仿真

C=postmnmx(B,minT,maxT)；%反歸一化

1.4 BP神經(jīng)網(wǎng)絡(luò)方法的穩(wěn)定性分析

從剩余的225組棉花試樣中隨機(jī)選取3組作為測試組，分別記為F1、F2和F3，每組10個(gè)棉花等級進(jìn)行預(yù)測，對預(yù)測結(jié)果進(jìn)行分析，評估BP神經(jīng)網(wǎng)絡(luò)預(yù)測棉花顏色級的穩(wěn)定性。

2 結(jié)果與討論

2.1 BP神經(jīng)網(wǎng)絡(luò)模型隱層神經(jīng)元個(gè)數(shù)的確定

以2個(gè)棉纖維色度參數(shù)L*、b*作為輸入變量，以棉花顏色級作為輸出變量，隱含層神經(jīng)元個(gè)數(shù)為3～12，使用45個(gè)訓(xùn)練樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練后，得到這10個(gè)棉花顏色級預(yù)測模型，其訓(xùn)練誤差和相關(guān)系數(shù)見圖1。

圖1 不同隱層神經(jīng)元個(gè)數(shù)的相關(guān)系數(shù)和訓(xùn)練誤差圖

由圖1可以看出，當(dāng)隱層神經(jīng)元個(gè)數(shù)從3個(gè)增加到12個(gè)時(shí)，相關(guān)系數(shù)整體呈上升趨勢，訓(xùn)練誤差整體呈下降趨勢。隱層神經(jīng)元個(gè)數(shù)為12個(gè)時(shí)，相關(guān)系數(shù)達(dá)到極大值0.965，訓(xùn)練誤差降低到最小值0.026。因此，確定BP神經(jīng)網(wǎng)路的拓?fù)浣Y(jié)構(gòu)為2-12-1。

2.2 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本回歸直線

采用MATLAB軟件編程，對45個(gè)訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本回歸直線見圖2。

圖2 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本回歸直線

網(wǎng)絡(luò)目標(biāo)X與網(wǎng)絡(luò)輸出Y的相關(guān)系數(shù)R=0.968 39，回歸直線方程為Y=0.93X-0.009 2。從圖2中可以看出，經(jīng)過該BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練學(xué)習(xí)，棉纖維色度參數(shù)L*、b*與顏色級具有很強(qiáng)的相關(guān)性，說明該BP神經(jīng)網(wǎng)絡(luò)模型可用于棉花顏色級預(yù)測。

2.3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值和實(shí)測值結(jié)果與分析

將根據(jù)1.3.1抽取的10組測試數(shù)據(jù)分別進(jìn)行測試試驗(yàn)和BP神經(jīng)網(wǎng)絡(luò)預(yù)測，得到了BP神經(jīng)網(wǎng)絡(luò)預(yù)測值分別為11.57、12.51、12.89、24.50、22.91、23.52、32.10、30.62、33.70、41.45；相應(yīng)的試驗(yàn)實(shí)測值為11、12、13、22、23、24、31、32、33、41。對預(yù)測值和實(shí)測值數(shù)據(jù)進(jìn)行回歸分析，得到回歸直線方程為Y=0.992 4X+0.566 7，見圖3。

圖3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實(shí)測值線性回歸直線

實(shí)測值X與預(yù)測值Y最大相對誤差為11.36%，最小相對誤差為0.4%。由圖3可知，棉花試樣顏色級的實(shí)測值X與BP神經(jīng)網(wǎng)絡(luò)預(yù)測值Y回歸直線中可以看出兩組數(shù)據(jù)間擬合優(yōu)度為99%。說明以棉纖維色度參數(shù)L*、b*為主控因素所建立的BP神經(jīng)網(wǎng)絡(luò)模型，經(jīng)過對數(shù)據(jù)的訓(xùn)練和學(xué)習(xí)，可以對棉花顏色級進(jìn)行預(yù)測，預(yù)測值與實(shí)測值基本吻合。

2.4 BP神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性分析

隨機(jī)選取,3組數(shù)據(jù)F1、F2、F3，經(jīng)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測后，對實(shí)測值與BP神經(jīng)網(wǎng)絡(luò)預(yù)測值進(jìn)行分析，結(jié)果見表1。

表1不同測試組的穩(wěn)定性測試結(jié)果

Rδmin/%δmax/%δ/%R-Sq/%F0F1F2F30.968 390.929 010.960 310.958 000.400.070.450.3911.3614.1010.599.323.2033.2373.3763.16799.098.899.299.5

從表1中可以看出最小相對誤差和最大相對誤差均在F1組，F(xiàn)2、F3這兩組中的數(shù)據(jù)與F0組較為接近?？傮w來說，F(xiàn)1、F2、F3這3組數(shù)據(jù)中相關(guān)系數(shù)、平均相對誤差和擬合優(yōu)度的值均與F0組相差較小，因此該方法具有一定的穩(wěn)定性。

3 結(jié)論

為了實(shí)現(xiàn)棉花顏色級的方便快捷檢驗(yàn)，通過BP神經(jīng)網(wǎng)絡(luò)對棉花色度參數(shù)與棉花顏色級之間的關(guān)系進(jìn)行了研究，主要得到以下結(jié)論。

(1)采用色度參數(shù)L*、b*作為輸入變量，棉花顏色級作為輸出變量，采用三層網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)路的拓?fù)浣Y(jié)構(gòu)為2-12-1，經(jīng)過對采集數(shù)據(jù)進(jìn)行訓(xùn)練建立了BP神經(jīng)網(wǎng)絡(luò)模型。

(2)通過對BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實(shí)測值數(shù)據(jù)進(jìn)行對比分析，實(shí)測值與預(yù)測值最大相對誤差為11.36%，最小相對誤差為0.4%，預(yù)測值和實(shí)測值的數(shù)據(jù)間具有很強(qiáng)的相關(guān)性，說明所建立的BP神經(jīng)網(wǎng)絡(luò)模型具有較好預(yù)測效果。

(3)F1、F2、F3這3組數(shù)據(jù)中相關(guān)系數(shù)、相對平均誤差和擬合優(yōu)度的值均與F0相差較小，建立的BP神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性較好。