摘要
本发明公开了一种花青素含量的检测方法、系统、设备及介质,涉及农产品检测领域,包括:通过设置初始学习率、使用正则化策略优化权重衰减、设置耐心值的阈值以及增加批量归一化与随机失活模块防止卷积神经网络模型CNN过拟合;在防止过拟合的卷积神经网络模型CNN中,增加了残差块和基于多头注意力与归一化的注意力机制曼巴MANBa进行优化,并使用自正则非单调神经激活函数Mish替换优化后的卷积神经网络模型CNN中的激活函数,获得调整模型;再使用花青素的特征光谱变量训练调整模型,从而获得能够预测花青素含量的花青素预测模型。本发明能够检测出准确的成分含量结果。
技术关键词
花青素含量
卷积神经网络模型
彩色马铃薯
注意力机制
光谱成像
正则化策略
归一化方法
可读存储介质
成分含量
键值
处理器
计算机设备
模块
存储器
批量
变量
系统为您推荐了相关专利信息
储能电池系统
失效预警方法
绝缘检测电路
失效预警系统
电压
电解槽单元
在线动态规划
深度强化学习算法
制氢装置
可再生能源制氢
注意力机制
卷积模块
交互特征
归一化模块
检测识别模块
模型训练方法
建立分类模型
计算机存储介质
构建测试数据
数据采集模块