光谱识别模型的训练方法及相关设备

本发明涉及一种光谱识别模型的训练方法及相关设备，包括以下步骤：获取光谱数据并进行清洗，得到清洗光谱数据；对清洗光谱数据进行稀疏编码，得到稀疏表示光谱特征；利用稀疏表示光谱特征对预设的卷积神经网络进行训练，得到初始光谱识别模型；若目标光谱数据与数据库中数据类型不同，则基于目标光谱数据对初始模型进行迁移学习，得到迁移光谱识别模型；对迁移光谱识别模型进行交叉验证，获得验证值；若验证值不在预设范围内，则通过贝叶斯优化算法调优超参数，直至验证值在预设范围内，最终得到目标光谱识别模型；解决了传统网格搜索和随机搜索方法在高维空间中效率低下，难以找到最优的超参数组合技术问题。