一种基于MS-SERNNet的土壤有机质含量高光谱建模方法

本发明提出了一种改进的添加注意力模块（SEBlock）和多尺度特征融合（Multi‑scale Feature Fusion）的深度残差神经网络（ResNet）模型，以缓解传统深度学习模型在训练时出现的梯度消失和训练效率低的问题。首先对比分析传统深度学习模型的建模效果，然后对深度残差模型进行改进优化，并与未改进的模型的预测效果进行对比。最后分析改进后的模型，在使用不同种类的注意力模块、特征融合方法和池化方法下各自的模型表现。结果表明，MS‑SERNet模型可以有效提高土壤有机质的预测精度。