一种基于深度学习的小样本光纤光谱温度预测方法

本发明提供一种基于深度学习的小样本光纤光谱温度预测方法。包括：采集了覆盖30摄氏度至130摄氏度范围内的光纤光谱数据，共获得105组高质量数据样本；采用先进的信号处理技术去除噪声和异常值并对数据进行归一化处理；利用深度学习的多种模型对光谱数据进行训练和学习；优化模型结构和参数，构建光谱与温度之间的非线性映射关系。本发明不仅为小样本条件下的光谱温度预测提供了一种新的有效方法，还拓展了深度学习在光谱分析领域的应用范围。该方法在工业生产、环境监测、生物医学等多个领域具有广泛的应用前景。本发明属于温度检测技术领域。