基于BP神經(jīng)網(wǎng)絡(luò)的木材質(zhì)量評(píng)價(jià)

劉貝貝++朱波++宋揚(yáng)揚(yáng)++萬(wàn)育微

摘要： 目前木材家具的生產(chǎn)過(guò)程在逐步向批量化、機(jī)械化趨近，但木材的質(zhì)量一直是家具產(chǎn)業(yè)需要關(guān)注的問(wèn)題，因此對(duì)木材的質(zhì)量評(píng)價(jià)一直是家具制造業(yè)研究的重點(diǎn)。本文利用BP神經(jīng)網(wǎng)絡(luò)建立木材的質(zhì)量評(píng)價(jià)模型，選擇合適的評(píng)價(jià)指標(biāo)，并通過(guò)案例的樣本數(shù)據(jù)進(jìn)行驗(yàn)證。測(cè)試結(jié)果與加權(quán)平均法比較，得出構(gòu)建的3層BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于木材質(zhì)量評(píng)價(jià)中具有一定的可行性與現(xiàn)實(shí)意義。

Abstract： At present， the production process of furniture is gradually approaching to batching and mechanization. However， the quality of mahogany wood has always been a concern for the furniture industry. Therefore， the quality evaluation of wood has always been the focus of furniture manufacturing research. In this paper， the quality evaluation model of mahogany wood is established by BP neural network， and the appropriate evaluation index is selected and verified by the sample data of the case. Compared with the weighted average method， the results show that the proposed three-layer BP neural network model has a certain feasibility and practical significance in the quality evaluation of wood.

關(guān)鍵詞： 木材；質(zhì)量評(píng)價(jià)；BP神經(jīng)網(wǎng)絡(luò)；評(píng)價(jià)指標(biāo)

Key words： wood；quality evaluation；BP neural network；evaluation index

中圖分類(lèi)號(hào)：TS664.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）02-0061-03

0 引言

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展和人民生活水平的提高，人們對(duì)木材家具的關(guān)注和使用程度不斷增加。然而木材家具的質(zhì)量問(wèn)題時(shí)有發(fā)生，嚴(yán)重影響了我國(guó)家具行業(yè)的健康發(fā)展。家具的質(zhì)量問(wèn)題的產(chǎn)生不僅源于制造環(huán)節(jié)中，而且還會(huì)源于木材的質(zhì)量評(píng)價(jià)不當(dāng)。在家具生產(chǎn)流通過(guò)程中，如何對(duì)其木材質(zhì)量進(jìn)行評(píng)價(jià)，是保障家具質(zhì)量的關(guān)鍵。因此，從木材質(zhì)量評(píng)價(jià)的角度把控家具質(zhì)量是本文的研究?jī)?nèi)容。

目前，國(guó)內(nèi)關(guān)于家具木材的相關(guān)理論與應(yīng)用展開(kāi)了大量研究。楊鐵濱等人建立了基于BP神經(jīng)網(wǎng)絡(luò)的分類(lèi)器實(shí)現(xiàn)木材機(jī)械加工表面質(zhì)量自動(dòng)評(píng)價(jià)，這保證木制品質(zhì)量，提升其價(jià)值有重要意義[1]。張秋龍分析了家具不合格產(chǎn)品產(chǎn)生的原因，其次系統(tǒng)地分析了當(dāng)前家具存在的質(zhì)量問(wèn)題及相應(yīng)的維護(hù)方法[2]。白雪冰等人利用BP神經(jīng)網(wǎng)絡(luò)對(duì)特征參數(shù)進(jìn)行分類(lèi)，并驗(yàn)證了提取的特征參數(shù)的有效性[3]。吳茜應(yīng)用層次分析法等對(duì)民用實(shí)木家具設(shè)計(jì)指標(biāo)結(jié)構(gòu)體系中相同階層的各元素指標(biāo)進(jìn)行權(quán)重分析，為民用實(shí)木家具的設(shè)計(jì)評(píng)價(jià)研究提供一個(gè)參考標(biāo)準(zhǔn)[4]。

國(guó)外學(xué)者關(guān)于家具木材的相關(guān)理論與應(yīng)用也做了大量研究。Jozef Gáborík通過(guò)將壓制木材表面獲得的結(jié)果與未經(jīng)受壓制的木材表面獲得的結(jié)果進(jìn)行比較，使用接觸法測(cè)量壓制前后的粗糙度，從而確定表面質(zhì)量掃描區(qū)域內(nèi)的裂紋等缺陷，這項(xiàng)研究論證了壓實(shí)后白楊木表面質(zhì)量的變化[5]。Milan Gaff提出通過(guò)3D成型修飾的表面，基于宏觀鑒定評(píng)估的目的是為了開(kāi)發(fā)和測(cè)試適當(dāng)?shù)姆椒▽?duì)表面質(zhì)量進(jìn)行評(píng)估和質(zhì)量的確定與量化[6]。

本文選擇以木材為質(zhì)量評(píng)價(jià)對(duì)象，選擇合格的制造家具原材料，從根本上控制家具的質(zhì)量，文章選擇BP神經(jīng)網(wǎng)絡(luò)為評(píng)價(jià)方法，確定合理的評(píng)價(jià)指標(biāo)，構(gòu)建出木材的質(zhì)量評(píng)價(jià)模型，并且通過(guò)案例樣本數(shù)據(jù)檢驗(yàn)所建模型的評(píng)價(jià)性能。

1 BP神經(jīng)網(wǎng)絡(luò)

1.1 神經(jīng)網(wǎng)絡(luò)的定義

神經(jīng)網(wǎng)絡(luò)是多層前饋神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的主要特征是在傳輸之前對(duì)信號(hào)，反向傳播錯(cuò)誤。在傳輸前，輸出層的輸入會(huì)逐層通過(guò)隱含層輸入的信號(hào)。每一層的神經(jīng)狀況僅影響下一層的緊張狀態(tài)。如果輸出層被釋放，然后轉(zhuǎn)移到反向傳播，根據(jù)預(yù)測(cè)誤差來(lái)調(diào)整權(quán)值和閾值，從而使輸出預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)更接近期望輸出。

1.2 神經(jīng)網(wǎng)絡(luò)模型及原理

BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1中，M1，M2，…Mn是BP神經(jīng)網(wǎng)絡(luò)的輸入值，N1，N2，…Nm是BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值，Dij和Djk為BP神經(jīng)網(wǎng)絡(luò)權(quán)值。BP神經(jīng)網(wǎng)絡(luò)可以看成一個(gè)非線性函數(shù)，網(wǎng)絡(luò)輸入值和預(yù)測(cè)值分別為該函數(shù)的自變量和因變量。當(dāng)輸入節(jié)點(diǎn)數(shù)為n，輸出節(jié)點(diǎn)數(shù)為m時(shí)，BP神經(jīng)網(wǎng)絡(luò)表達(dá)了從n個(gè)自變量到m個(gè)因變量的函數(shù)映射關(guān)系。

2 產(chǎn)品質(zhì)量評(píng)價(jià)體系的構(gòu)建

2.1 指標(biāo)的選擇

家具是企業(yè)使用一定的技術(shù)將木材加工成可以滿足人們?nèi)粘Ｉ钚枰纳唐?。因此，家具質(zhì)量評(píng)價(jià)就要考慮家具原材料的質(zhì)量問(wèn)題，因此對(duì)于木材性質(zhì)這方面的特性對(duì)家具質(zhì)量有著很大的影響。

通過(guò)查閱文獻(xiàn)和案例分析可知，木材的物理性質(zhì)對(duì)木材的整體質(zhì)量有非常大的影響，本文選擇了5個(gè)指標(biāo)進(jìn)行分析分別為：抗彎強(qiáng)度、彈性模量、抗壓強(qiáng)度、沖擊韌性、天然耐久。

抗彎強(qiáng)度：表示木材受橫向靜力載荷作用時(shí)所產(chǎn)生的最大彎曲應(yīng)力。

彈性模量：表示木材抵抗外力而產(chǎn)生的變形或保持原有形狀的性質(zhì)，又稱(chēng)勁度或剛度。endprint

抗壓強(qiáng)度：表示木材受壓力作用所產(chǎn)生的最大應(yīng)力。

沖擊韌性：表示木材對(duì)外來(lái)沖擊負(fù)荷的抵抗能力。

天然耐久：表示木材對(duì)木腐菌、木材害蟲(chóng)以及各種氣候變化因子損害的天然抵抗能力。

通過(guò)以上說(shuō)明可以將質(zhì)量評(píng)價(jià)體系選取指標(biāo)列為：抗彎強(qiáng)度、彈性模量、抗壓強(qiáng)度、沖擊韌性、天然耐久。

通過(guò)上述指標(biāo)分析，確定的輸入輸出變量如表1所示。

2.2 創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)

網(wǎng)絡(luò)構(gòu)建是質(zhì)量評(píng)價(jià)模型的關(guān)鍵環(huán)節(jié)，影響B(tài)P神經(jīng)網(wǎng)絡(luò)的性能有多種因素，其中包括網(wǎng)絡(luò)層的確定，輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)的設(shè)定，隱層節(jié)點(diǎn)數(shù)的選擇。

2.2.1 網(wǎng)絡(luò)層數(shù)的選擇

網(wǎng)絡(luò)層數(shù)影響網(wǎng)絡(luò)的測(cè)試性能。單個(gè)網(wǎng)絡(luò)的隱含層，適合于相對(duì)簡(jiǎn)單的設(shè)計(jì)，反而會(huì)降低所述測(cè)試網(wǎng)絡(luò)的準(zhǔn)確性。隱含層的網(wǎng)絡(luò)是合適的映射更多面的，但它在提高網(wǎng)絡(luò)預(yù)測(cè)的性能的同時(shí)，更是增加了網(wǎng)絡(luò)訓(xùn)練的時(shí)長(zhǎng)，從而會(huì)增加網(wǎng)絡(luò)的復(fù)雜性。所以網(wǎng)絡(luò)層數(shù)要根據(jù)實(shí)際研究對(duì)象確定。

2.2.2 引入時(shí)，輸出節(jié)點(diǎn)的選擇

輸入神經(jīng)元的數(shù)量取決于特性提取指標(biāo)的個(gè)數(shù)，按照本次研究提取的指標(biāo)的個(gè)數(shù)，BP網(wǎng)絡(luò)中輸入節(jié)點(diǎn)的個(gè)數(shù)為5。輸出層的節(jié)點(diǎn)數(shù)為1。

2.2.3 節(jié)點(diǎn)的隱含層選擇

神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)的數(shù)量對(duì)預(yù)測(cè)精度會(huì)產(chǎn)生作用。節(jié)點(diǎn)的數(shù)量非常少的時(shí)候，要增多網(wǎng)絡(luò)訓(xùn)練的次數(shù)，但是這樣也不能滿足訓(xùn)練對(duì)精度的要求。會(huì)增加訓(xùn)練時(shí)間。當(dāng)節(jié)點(diǎn)的數(shù)目太大，網(wǎng)絡(luò)會(huì)出現(xiàn)更多的問(wèn)題，訓(xùn)練時(shí)長(zhǎng)也會(huì)相應(yīng)增加?？梢酝ㄟ^(guò)下面的公式來(lái)確定隱含層：

式中Q——隱含層的節(jié)點(diǎn)數(shù)目；

F——輸入層的節(jié)點(diǎn)數(shù)目；

h——輸出層的節(jié)點(diǎn)數(shù)目；

i——1～10。

根據(jù)在輸入層和輸出層的節(jié)點(diǎn)的數(shù)目，對(duì)BP神經(jīng)網(wǎng)絡(luò)通過(guò)隱含節(jié)點(diǎn)的數(shù)量進(jìn)行處理，然后對(duì)隱含節(jié)點(diǎn)的數(shù)目逐漸增加。

3 評(píng)價(jià)體系的驗(yàn)證

本文通過(guò)數(shù)值實(shí)驗(yàn)驗(yàn)證所提模型的可行性和有效性。實(shí)驗(yàn)的基本思路是，首先創(chuàng)建模型，再針對(duì)具體案例，確定模型的評(píng)價(jià)性能。

3.1 驗(yàn)證環(huán)境

實(shí)驗(yàn)在計(jì)算機(jī)上進(jìn)行，其硬件配置為：CPU 2.50GHz，內(nèi)存8.00GB；軟件環(huán)境為MATLAB R2015b，采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)，其它通過(guò)編程實(shí)現(xiàn)。

3.2 原始數(shù)據(jù)

實(shí)驗(yàn)的原始數(shù)據(jù)為家具木材材料物理性質(zhì)數(shù)據(jù)，部分?jǐn)?shù)據(jù)如表2所示。

為了統(tǒng)一變量的量綱，對(duì)原始數(shù)據(jù)（包括輸入值和目標(biāo)輸出值）進(jìn)行了歸一化處理，處理后的數(shù)據(jù)再劃分為訓(xùn)練樣本集、驗(yàn)證樣本集和測(cè)試樣本集。

3.3 相關(guān)參數(shù)

如表3所示，神經(jīng)網(wǎng)絡(luò)訓(xùn)練的相關(guān)參數(shù)。

利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的newff （ ）函數(shù)構(gòu)建網(wǎng)絡(luò)，其中，期望誤差為10-3。為了確定出性能更好的網(wǎng)絡(luò)結(jié)構(gòu)，本文進(jìn)行對(duì)不同的隱含層神經(jīng)元數(shù)目（節(jié)點(diǎn)數(shù)）的網(wǎng)絡(luò)進(jìn)行了試驗(yàn)，結(jié)果如表4所示。

表4顯示，經(jīng)過(guò)6000次對(duì)BP網(wǎng)絡(luò)隱神經(jīng)元的訓(xùn)練，神經(jīng)元為9的函數(shù)逼近了良好目的作用。神經(jīng)元節(jié)點(diǎn)數(shù)為5、8和12的時(shí)候，在網(wǎng)絡(luò)中具有相對(duì)小的誤差，但時(shí)長(zhǎng)比較大。考慮到網(wǎng)絡(luò)的性能和速率等問(wèn)題，在網(wǎng)絡(luò)的隱含層神經(jīng)元的節(jié)點(diǎn)數(shù)被預(yù)設(shè)為9。

3.4 驗(yàn)證結(jié)果

通過(guò)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果表明訓(xùn)練達(dá)到5000次時(shí)表現(xiàn)出最佳訓(xùn)練能力0.008695，如圖2所示。

訓(xùn)練得到的擬合公式如圖3所示，擬合度達(dá)到0.97987。

本文中將樣本集劃分為訓(xùn)練樣本集120個(gè)，驗(yàn)證樣本集35個(gè)，測(cè)試樣本集5個(gè)。其中對(duì)5個(gè)樣本進(jìn)行測(cè)試得出結(jié)果如表5所示。表中分別計(jì)算了預(yù)測(cè)結(jié)果的絕對(duì)誤差和相對(duì)誤差。計(jì)算得出均方誤差為0.08485。

從表5可知，每次實(shí)驗(yàn)中模型的目標(biāo)值與輸出值誤差很小，樣本實(shí)驗(yàn)的絕對(duì)誤差均值和相對(duì)誤差平均值分別約為9186和37.8%，明顯小于最優(yōu)候選網(wǎng)絡(luò)的絕對(duì)誤差平均值11726和相對(duì)誤差平均值47.4%，證明了本文所提基于BP神經(jīng)網(wǎng)絡(luò)的家具質(zhì)量評(píng)價(jià)模型能夠很好地評(píng)價(jià)預(yù)測(cè)精度。

3.5 與加權(quán)平均評(píng)價(jià)方法比較

為了驗(yàn)證所建基于BP神經(jīng)網(wǎng)絡(luò)的木材質(zhì)量評(píng)價(jià)模型性能，本文將實(shí)驗(yàn)結(jié)果與加權(quán)平均評(píng)價(jià)方法進(jìn)行比較，其中加權(quán)平均法中的權(quán)值設(shè)置為{？棕1=0.2，？棕2=0.1，？棕3=0.3，？棕4=0.2，？棕5=0.2}得到的輸出結(jié)果如表6所示，對(duì)比結(jié)果如圖4所示。

圖4中描述的是BP神經(jīng)網(wǎng)絡(luò)和加權(quán)平均法對(duì)木材的質(zhì)量評(píng)價(jià)的相對(duì)誤差的對(duì)比，結(jié)果顯示本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)對(duì)木材的質(zhì)量預(yù)測(cè)評(píng)價(jià)能力要比加權(quán)平均法能力強(qiáng)，進(jìn)一步驗(yàn)證了所建模型的可行性。

4 結(jié)論

提高木材的質(zhì)量評(píng)價(jià)，有效促進(jìn)家具制造業(yè)的良性發(fā)展，關(guān)鍵是尋求一種精確度強(qiáng)的評(píng)價(jià)體系。常用的傳統(tǒng)評(píng)價(jià)方法具有復(fù)雜、參數(shù)多、難以調(diào)適的問(wèn)題，在實(shí)際應(yīng)用中要直接在“黑箱”模式下進(jìn)行質(zhì)量評(píng)價(jià)，很大程度上依賴(lài)于使用者的經(jīng)驗(yàn)，具有相當(dāng)難度。

本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的木材質(zhì)量評(píng)價(jià)體系，建立了相應(yīng)模型。模型為個(gè)3層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，每個(gè)網(wǎng)絡(luò)的隱含層單元數(shù)確定，將原始數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集、測(cè)試集，并進(jìn)行了歸一化處理。經(jīng)數(shù)值實(shí)驗(yàn)驗(yàn)證，該模型具有更好的評(píng)價(jià)精度，且與加權(quán)平均評(píng)價(jià)方法比較具有更高的精確度，因此將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于材質(zhì)量評(píng)價(jià)是一種有效途徑。

參考文獻(xiàn)：

[1]楊鐵濱，侯玉婷，劉一星，等.基于圖像的木材機(jī)械加工表面質(zhì)量評(píng)價(jià)研究[J].森林工程，2015，31（1）：59-62。

[2]張秋龍.家具產(chǎn)品質(zhì)量控制措施探討[J].輕工標(biāo)準(zhǔn)與質(zhì)量，2015（1）：27-28.

[3]白雪冰，王克奇，王業(yè)琴，等.基于BP神經(jīng)網(wǎng)絡(luò)的木材表面顏色特征分類(lèi)的研究[J].森林工程，2007，23（1）：24-26.

[4]吳茜.方案設(shè)計(jì)階段的民用實(shí)木家具設(shè)計(jì)評(píng)價(jià)體系研究[D].四川：四川農(nóng)業(yè)大學(xué)，2016.

[5]Jozef Gáborík， Milan Gaff， Daniel Ruman， et al. Quality of the Surface of Aspen Wood after Pressing. bioresources， 2017.

[6]Milan Gaff， Jozef Gáborík. Evaluation of Wood Surface Quality after 3D Molding of Wood by Pressing. bioresources， 2014.endprint