摘要
本发明提供一种鲜烟叶叶绿素浓度预测方法、介质及系统,属于电数字数据处理技术领域,本发明提出的鲜烟叶叶绿素浓度预测方法,首先采集标准化的图像数据和光谱数据,通过颜色空间转换、纹理分析和光谱预处理提取初始特征,采用递归特征消除和竞争性适应重加权算法选择最优特征组合,利用基于矩阵分解的方法实现特征融合。构建了包含序列折叠层、卷积层、注意力层等的深度学习模型,结合通道注意力机制实现特征的动态加权,最终完成叶绿素浓度的快速精确预测,整个预测过程形成了一个端到端的学习系统,实现了从原始数据到预测结果的自动映射。本发明解决了现有技术中难以实现对鲜烟叶叶绿素浓度快速精确预测的技术问题。
技术关键词
浓度预测方法
鲜烟叶
图像特征数据
多源特征融合
连续投影算法
加权算法
可读存储介质
电数字数据处理技术
构建卷积神经网络
样本
计算机
通道注意力机制
长短期记忆网络
灰度共生矩阵
特征值
测量点
深度学习模型
系统为您推荐了相关专利信息
音频识别方法
深度神经网络模型
短时特征
信号强度信息
子模块
空间光谱特征
连续投影算法
皮尔逊相关系数
光谱成像
图像
图像分类系统
图像特征数据
通道注意力机制
特征值
非线性降维算法