基于特征耦合和自适应多尺度残差网络的近红外光谱定量分析方法

本发明提出了一种基于特征耦合和自适应多尺度残差网络的近红外光谱定量分析方法。首先通过特征耦合层捕捉不同波长光谱之间的相关性，融合不同波段的丰富信息以扩充有效特征，增强了光谱数据的关键特征表征能力，有效应对了不同数据集间波动差异性大的问题，提升了模型的泛化性能；然后，通过堆叠多尺度残差块构建骨干网络，并嵌入特征调节器模块自适应地挖掘深度抽象的多尺度特征。该网络在平衡模型宽度与深度的同时，提高了预测精度和稳健性。本方法在四个开源的近红外光谱数据集上取得了比较好的预测效果，具有通用性和良好的泛化能力。