摘要
本发明涉及西洋参质量评估技术领域,公开了一种基于高光谱图像的西洋参分类方法。该方法包括采集各西洋参样本的高光谱数据以及测定各西洋参样本的人参皂苷含量,得到各西洋参样本的特征组;利用西洋参样本的特征组,构建并训练西洋参品质评估模型,建立高光谱数据与人参皂苷含量、产区之间的联系;根据所构建的西洋参品质评估模型以及待检测的西洋参的高光谱数据,预测待检测的西洋参的产区和人参皂苷含量。本发明提供的西洋参分类方法,只需采集西洋参的高光谱数据,检测过程中不会损害西洋参样本结构,通过使用了基于深度学习的预测模型,较之传统的品质评估方式,评估时间更短和评估精度更高。
技术关键词
西洋参品质
人参皂苷含量
分类方法
样本
光谱基线校正
多任务深度学习网络
分支
信号处理算法
数据
西洋参片
残差预测
图像
训练集
分类网络
损失函数设计
高效液相色谱法
线性单元
信号特征
系统为您推荐了相关专利信息
集成机器学习
样本
最佳特征子集
妊娠糖尿病
医院
电磁回波信号
时序特征
十二导联心电图
编码器
多尺度
意图分类方法
净化模块
预训练语言模型
编码器模块
语义特征
数字孪生模型
策略
医疗健康服务技术
推荐方法
人体