一种基于神经网络的餐厨垃圾成分预测方法

本发明公开了一种基于神经网络的餐厨垃圾成分预测方法，包括如下步骤：S1、采集餐厨垃圾样本的图像数据和近红外光谱数据，并进行预处理，生成特征向量；S2、将预处理后的图像数据输入伪影识别子网络，检测图像数据中的液体反光、遮挡物和边缘模糊区域，生成伪影掩模向量，标记干扰区域；S3、将特征向量和伪影掩模向量输入粗分类神经网络模型，识别餐厨垃圾样本的成分主导类型；S4、从预训练的回归子模型集合中选择对应回归子模型，并将特征向量输入回归子模型，输出餐厨垃圾样本的成分预测结果。本发明融合神经网络和伪影建模，实现餐厨垃圾成分的高效、抗干扰预测，具备精准性强、适应性好、可实时部署的优点。