摘要
本发明涉及智能农业技术领域,特别涉及一种农产品光谱无损检测自动建模的方法、设备、介质及产品,其中,方法包括:获取农产品样本的光谱图像数据和电化学检测数据;识别光谱图像数据中农产品样本在不同波长下的样本图像、以及识别电化学检测数据中农产品样本的样本品质指标;根据农产品样本在不同波长下的样本图像及样本品质指标生成样本数据集,利用样本数据集和深度学习网络构建基于电化学反馈的自动建模系统,生成检测模型;将待检测农产品的光谱图像输入品质检测模型,品质检测模型输出待检测农产品的品质指标。由此,解决了相关技术中农产品个体差异大、训练样本海量带来的光谱成像技术预测不精确问题。
技术关键词
农产品光谱无损检测
深度学习网络
电化学检测装置
检测农产品
石墨烯场效应晶体管
图像
研磨粉碎装置
语义
功能性材料
指标
生成样本数据
积分球光源
波长
主控模块
光源组合
自动建模系统
生成检测模型
扩充训练样本
系统为您推荐了相关专利信息
能源优化调度方法
复合建模方法
综合能源系统
非参数核密度估计
深度学习网络
深度学习网络模型
图像重建方法
深度网络结构
解析算法
重建CT图像
图像增强方法
深度学习数据集
解剖学结构
图像分割
切片
归一化模块
序列特征
结构特征提取
序列设计方法
卷积模块