[发明专利]一种小麦生长期真菌毒素污染预测方法

说明书

一种小麦生长期真菌毒素污染预测方法,包括：A.建立人工神经网络模型，统计影响小麦生长期真菌毒素污染的数据，作为人工神经网络输入；B.计算神经网络隐含层和输出层中神经元的输入、输出值，设立神经网络的训练样本和目标函数；C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围，确定神经网络的函数逼近能力；D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索，逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系，提高小麦生长期真菌毒素污染的预测精度。该方法具有较好的自适应性和鲁棒性，提高神经网络函数逼近能力，加强小麦生长期真菌毒素污染的预测精度，以便做好产前防控，确保小麦的质量安全。

技术领域

本发明涉及一种小麦生长期真菌毒素污染预测方法，属于食品安全、人工神经网络、人工智能领域。

背景技术

小麦真菌毒素的污染一直消费者健康安全的一大隐患，因此应在小麦进入食物链之前预测其污染。现有的小麦生长期真菌毒素污染预测方法运用数理统计建立小麦自身真菌毒素污染变化的规律，而不涉及其他环境因素，统计因素较少污染预测不够精准，预测的污染范围和程度与实际相差较大，无法准确做好产前防控，影响小麦质量。

发明内容

为解决上述问题，本发明的目的在于提供一种具有较好的自适应性和鲁棒性的小麦生长期真菌毒素污染预测方法，提高神经网络函数逼近能力，加强小麦生长期真菌毒素污染的预测精度，减少误差，以便做好产前防控，确保小麦的质量安全。

本发明解决其问题所采用的技术方案，包括以下步骤：

A.建立人工神经网络模型，统计影响小麦生长期真菌毒素污染的数据，作为人工神经网络的输入；

B.计算神经网络隐含层和输出层中神经元的输入、输出值，设立神经网络的训练样本和目标函数；

C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围，确定神经网络的函数逼近能力；

D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索，逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系，提高小麦生长期真菌毒素污染的预测精度。

本发明的有益效果是：

在小麦真菌污染防控越来越重要的情况下，本发明具有较好的自适应性和鲁棒性，提高神经网络函数逼近能力，加强小麦生长期真菌毒素污染的预测精度，减少误差，以便做好产前防控，确保小麦的质量安全。

附图说明

图1为一种小麦生长期真菌毒素污染预测方法的整体流程图；

图2为人工神经网络模型图；

图3为自适应遗传算法优化网络连接权重和阈值的流程图。

具体实施方式

参照图1，本发明所述的方法包括以下步骤：

A.建立人工神经网络模型，统计影响小麦生长期真菌毒素污染的数据，作为人工神经网络的输入；

(1)建立人工神经网络模型，如图2所示。在麦田建立温度、湿度检测装备，记录小麦生长期间的温度、湿度数据；真菌一般容易在受伤位置繁殖生长，因此，需要定时检查小麦体的机械损伤和虫害损伤程度，并记录数据；记录小麦生长期间杀虫剂和杀真菌剂的用量及时间数据；记录小麦生长期间的雨水、光照数据。

(2)统计上述数据作为人工神经网络的输入神经元，输出神经元为真菌毒素污染的范围和程度，输入神经元与输出神经元之间通过隐含层的神经元结点进行连接。

B.计算神经网络隐含层和输出层中神经元的输入、输出值，设立神经网络的训练样本和目标函数；