早期的郵件分揀是完全的人工作業系統，隨著科學技術的發展，分揀作業系統逐漸開始使用各式各樣的自動化機械裝備，計算機控制技術和現代信息技術成為信息傳遞和處理的重要手段。機械化、自動化、智能化成為現代分揀系統的主要特點與發展趨勢。郵件分揀過程是郵件處理中的一個重要環節，依據郵件的地址，快速、準確地根據郵政編碼將發往不同地點的郵件從眾多郵件中分揀出來。

　　本文先將郵件都擺放到傳送帶上，通過攝像頭拍攝，獲取郵件的郵政編碼，用神經網絡辨識出郵政編碼，根據郵政編碼的編號來控制郵件的走向。郵件分揀系統工作原理框圖如圖1所示。該系統分為郵件軟件識別系統和PLC控制分揀系統兩個部分。

　　1 郵政編碼的識別

　　1.1 輸入樣本的設計

　　將0—9這10個阿拉伯數字用一個5*3的布爾量網絡進行數字化處理，例如，0用[1 1 1;1 0 1;1 0 1;1 0 1;1 1 1]表示;1用[0 1 0;0 1 0;0 1 0;0 1 0;0 1 0]表示;等等。轉換成神經網絡能夠處理的輸入和輸出數據，從而構造輸入樣本。將這10個含15個布爾量網絡元素的輸入向量定義為15*10維的輸入矩陣X，X中每一列的15個元素對應一個數字量按列展開的布爾量網絡元素。例如：X中第一列的15

　　個元素[1;1;1;1;0;1;1;0;1;1;0;1;1;1;1]表示0。將10個阿拉伯數字輸入變量X中，作為神經網絡的輸入樣本矩陣：

　　X=[X0，X1，X2，X3，X4，X5，X6，X7，X8，X9]

　　1.2 輸出樣本的設計

　　輸出樣本被定義為一個4*10維的目標矩陣T，其每一列的4個元素對應一個數字量，這16個數字量用其所定義的十六進制表示。例如，用[0;0;0;0]表示0;用[0;0;0;1]表示1;等等。

　　1.3 網絡結構的設計

　　為了識別這些以5*3布爾量網絡表示的十六進制數，所設計的網絡需要有10個輸入，在輸出層需要有4個神經元來識別它，隱含層設計了9個神經元。激活函數選擇Log-Sigmoid型傳輸函數，因為它的輸出范圍(0-1)正好適合在學習后輸出布爾值。

　　1.4 網絡訓練

　　使網絡能處理由于不規范的輸入所造成的噪聲，需要訓練一個本身具有抗干擾能力的網絡。本文訓練一個“理想加噪聲”輸入矢量的識別網絡。采用具有自適應學習速率和附加動量因子的Bp神經網絡算法訓練神經網絡。

　　首先利用不含噪聲的理想輸入數據訓練網絡，為了使網絡對輸入有一定的容錯能力，再利用不含和含有噪聲的輸入數據訓練網絡。這使網絡學習適當地對含有噪聲的數字進行正確的辨識。這種以犧牲對正確數字辨識正確性為代價的采用含有噪聲的輸入數據訓練的神經網絡，可能出現對標準數字輸入辨識錯誤的可能性。因此，再次用理想信號進行訓練，從而保證網絡對理想輸入和輸出的正確性。

　　2 PLC硬件部分

　　分揀機系統是將用神經網絡辨識出的4位16進制數代表的郵政編碼的編碼信息，隨傳送帶分揀入各個代表唯一地址的郵箱中，如編碼信息代表北京的就撿入北京的郵箱。其工作過程如下：當綠燈L2亮，紅燈L1滅，傳送帶開始工作，電機M5驅動帶有推頭的主鏈運行，通過攝像頭拍攝，獲取郵件的郵政編碼，將得到的結果送入到計算機利用前面介紹的郵政編碼的識別方法，得到郵政編碼的4位16進制值表示。當編碼信息正確的時候，紅燈L1滅，綠燈L2閃爍，利用電機光碼器S1折合成脈沖數，PLC控制器從S1中采集脈沖數，當郵件到達分撿箱時，推進器(M1～M4)將郵件推進相應的郵箱。隨后紅燈L1繼續滅，綠燈L2常亮，繼續分揀。若編碼信息出錯，則紅燈L1閃爍，電機M5停止動作，待重新啟動后，再運行。具體結構見圖2。