一种近红外光谱少样本的多维双流对比互学习方法

本发明适用于近红外光谱分析领域，提供了一种近红外光谱少样本的多维双流对比互学习方法，该方法通过滑动窗口将一维光谱数据转换为二维矩阵，构建一维时序‑二维空间的多模态融合数据；设计双流网络分别处理一维时域序列和二维空间矩阵，结合频域卷积与时域循环网络提取互补特征；引入对比学习与掩码自监督联合优化，通过构建跨模态正负样本对和掩码恢复任务，增强模型对噪声和少样本的鲁棒性；采用互学习策略实现双流网络特征交互，提升模型泛化能力。本发明通过将一维光谱数据转化为二维矩阵并与一维数据特征融合，从频域与时域提取特征，结合对比学习和掩码自监督算法，显著提升了少样本分类性能。