王小敏，陈 荣，谯 斌

(铜仁学院 大数据学院，贵州 铜仁 554300)

0 引言

种植茶在贵州山区是许多茶农的主要收入来源，但是茶叶的病害问题却直接影响了茶叶的质量和产量，由于茶农识别茶叶病害的技术不够科学，导致许多病害茶叶不能得到及时处理，所造成的损失严重影响着茶农的收入水平。并且茶农对茶叶病害的不正确防治及不合理使用农药还会危害食用者的身体健康和影响生态环境。只有正确的识别茶叶病害，才能有的放矢，减少对农药的滥用，有针对的防治才是提高茶叶的产量和质量的关键。所以，为了得到高产量、高品质的茶叶，我们通过病害茶叶的形状特征来利用计算机进行分类，借助MATLAB实现BP神经网络算法对分类的病害进行分类检测，从而提高对病害茶叶识别的准确性和科学性。

1 BP神经网络概述

BP神经网络是一种多层前馈神经网络(MLFNN)，它主要运用在模式的识别、函数的逼近、数据的压缩和数据的分类这四个方面[1-4]。BP神经网络的整个计算过程是由正向的传播计算和反向的传播计算组合成的，在正向传播的时候，输入信号经过一系列变换就会产生输出信号，如果产生的输出信号与想要达到的输出信号不相符合，就会进行反向传播[5]。在这个过程中，通过更改各个神经元的权值，一直到误差信号达到最小后训练才会结束，从而得到最佳的识别率。本次项目研究的方法采用的就是BP神经网络在模式的识别和数据的分类中的运用[6]，经过BP神经网络的整个计算过程后，最后得到了高达86.67%的分类识别率。……