摘要
本发明公开了基于机器学习的豌豆营养成分分析方法及系统,包括对豌豆历史营养成分分类并计算营养流失率,由历史储运环境和所述营养流失率构建历史营养流失库,对历史监测数据进行边缘处理,获取生长环境指数,分别构建宏量营养预测模型和微量营养预测模型,根据待分析豌豆的监测数据和生长环境获得第一宏量营养预测值和第一微量营养预测值,根据待分析豌豆储运环境匹配获得相似营养流失率和环境相似度,根据所述环境相似度、所述相似营养流失率、所述第一宏量营养预测值和所述第一微量营养预测值获得豌豆营养成分分析结果。该方法不仅可以提高豌豆营养成分分析的效率和准确性,同时具有较好的可解释性,可以直接应用于豌豆营养成分分析系统中。
技术关键词
历史监测数据
纹理特征
分析方法
色彩校正模块
图像处理模型
指数
分支
模型超参数
BP神经网络
注意力机制
Gabor滤波
高分辨率摄像头
矩阵
颜色
特征加权融合
表达式
近红外光谱仪
边缘检测
系统为您推荐了相关专利信息
污水检测方法
污水管网
数据
光谱特征提取
识别标签
X射线系统
数据分析方法
动态三维模型
标注功能
标识
图像鉴别方法
多模态
图像生成技术
深度神经网络模块
校准机制
岩土样品
CT扫描图像
性分析方法
孔隙网络模型
像素