山羊绒与绵羊毛鉴别：基于纤维鳞片尺寸的电镜分析与神经网络

"基于纤维鳞片尺寸统计特性的山羊绒和绵羊毛的鉴别" 这篇论文主要探讨了如何利用纤维鳞片尺寸的统计特性来区分山羊绒和绵羊毛。研究团队由吴桂芳、马海等专家组成，他们借助场发射扫描电镜（FESEM）技术，对山羊绒和细支绵羊毛的纤维进行了微观结构分析。在实验过程中，他们拍摄了两种纤维的扫描电镜图像，以获取详细的纤维形态参数。 论文中提到的关键参数包括纤维直径、鳞片可见高度、径高比、鳞片密度、双边比例、横向鳞片覆盖指数以及鳞片双边覆盖指数。这些参数被用作神经网络模型的输入，以建立一个三层的反向传播（BP）人工神经网络。经过多次训练，他们找到了最佳的网络结构，即7个输入层节点，第一隐含层10个节点，以及1个输出层节点。 通过训练后的BP神经网络模型，可以对未知样品进行预测，以判断其是山羊绒还是绵羊毛。实验结果显示，该方法对于羊绒和羊毛纤维的鉴别预测准确率达到了93.33%。这表明，结合FESEM技术和基于纤维形态参数的神经网络技术，可以有效地鉴别山羊绒和绵羊毛，解决了两者形态相似难以区分的问题。 论文关键词涵盖了山羊绒、绵羊毛、扫描电镜、形态学以及神经网络。这些关键词反映了研究的核心内容和所使用的技术手段。这项工作不仅在纤维鉴别方面有所贡献，还可能对纺织工业的质量控制、材料鉴定等领域产生积极影响。 论文的发表得到了多个基金项目的资助，包括国家自然科学基金、高等学校博士点学科点专项科研基金以及内蒙古自然科学基金。这表明该研究得到了学术界和相关部门的认可与支持，具有较高的学术价值和实际应用潜力。作者吴桂芳是一位农业装备智能化领域的副教授，其研究领域和这项工作相契合，进一步确保了研究的专业性和可靠性。