摘要
本发明公开了一种基于先验特征权重优化与CNN‑LSTM融合模型的烟叶质量预测方法及可读取存储介质。包括步骤;步骤1、数据的采集与预处理;步骤2、进行先验特征权重优化;步骤3、CNN‑LSTM融合模型构建;步骤4、模型进行评估;步骤5、生成待预测烟叶的质量评估结果,将待预测烟叶的历史生产数据和图像输入至已训练的CNN‑LSTM融合模型,生成待预测烟叶的质量评估结果。该方法实现了对烟叶复烤工艺中多维数据的高效处理,显著提高了烟叶质量预测的准确性与模型的稳定性。
技术关键词
皮尔逊相关系数
数据
读取存储介质
烟叶图像
随机森林
烟叶复烤工艺
打叶后烟叶
构建卷积神经网络
加速模型训练
烟叶打叶
正则化方法
构建决策树
非线性特征
指标
依赖特征
参数
时序特征
表达式