摘要
本发明公开了一种基于高光谱特征挑选的原棉杂质含量反演方法,属于杂质检测技术领域,该反演方法具体步骤如下:S1、收集多组原棉棉包试样并进行杂质含量标定;S2、采集备用试样的高光谱数据并进行预处理;S3、分析高光谱特征并选择波段;S4、构建基于高光谱数据的深度学习神经网络;S5、通过神经网络分析未知高光谱数据以获取原棉杂质含量;本发明通过采集大量不同杂质含量棉包的高光谱图像,分析不同杂质含量下的高光谱图像特征,利用模型训练的方法,获得原棉杂质含量反演模型。可对待测试样进行高效快速的大批量检测。
技术关键词
反演方法
深度学习神经网络
高光谱成像系统
杂质检测技术
黑白板
数据
代表
反射率
矫正
误差统计
短波红外
多层感知机
神经网络模型
反演模型
相机镜头
图像
天平
黑板
测试样
系统为您推荐了相关专利信息
草地地上生物量
物理反演方法
测量点
植被
构建代价函数
参数反演方法
全波形反演
VTI介质
更新模型参数
代表
土壤含水量反演方法
反射率谱
无人机多光谱
融合深度学习
归一化植被指数
土壤湿度反演方法
数字高程模型数据
信噪比
XGBoost模型
全球导航卫星系统
灵敏度矩阵
联合反演方法
时间域
有限元算法
频率