一种基于荧光法农残检测的DebNet智能分类方法

本发明属于农残检测技术领域，具体涉及一种基于荧光法农残检测的DebNet智能分类方法，步骤包括使用荧光光谱仪对农药样品进行检测，获得农药样品的一维光谱数据；对光谱数据进行预处理；对预处理后的光谱数据进行数据增强，增强方式包括线性插值、噪声注入、光谱平移和频谱裁剪；搭建包括输入层、卷积层、池化层、LSTM层、自注意力模块、全连接层和输出层的混合神经网络模型，即为DebNet模型；基于增强后的光谱数据训练DebNet模型，训练过程包括前向传播和反向传播；利用训练后的DebNet模型，对待测样品的光谱数据进行分类识别。本发明能够提高分类准确性、减少样本需求、简化数据处理流程，并降低检测成本。