摘要
本发明提供了一种基于近红外光谱的抗性淀粉含量检测方法,包括以下步骤:(1)分别测定若干样本的抗性淀粉含量和近红外光谱数据,构建训练集;(2)构建卷积神经网络模型,采用训练集对卷积神经网络模型进行训练,获得抗性淀粉含量预测模型;(3)使用SHAP解释器评估每个波长的光谱数据对抗性淀粉含量预测模型的平均相对贡献,获得与预测抗性淀粉含量强相关的关键波段;(4)采集待测样本在关键波段内光谱数据并输入至抗性淀粉含量预测模型中,获得待测样本中抗性淀粉含量的预测值。本发明的检测方法可以快速、准确地检测样本中抗性淀粉的含量。
技术关键词
抗性淀粉含量
卷积神经网络模型
构建卷积神经网络
构建训练集
样本
数据
平坦层
对抗性
分光光度法
信噪比
优化器
波长
分辨率
制品
噪声
周期
系统为您推荐了相关专利信息
恶意流量检测方法
恶意流量检测模型
局部二值模式特征
胶囊网络
校正特征
模块化多电平换流器子模块
故障监测方法
门控循环单元
鲸鱼优化算法
Softmax函数
蓝宝石晶片切割
切割蓝宝石晶片
激光切割工艺
风险预测模型
气体
预测胃癌
风险评分模型
标志物
风险评价方法
患者