一种使用扩散模型进行近红外光谱回归的物质成分预测方法

本发明提供了一种使用扩散模型进行近红外光谱回归的物质成分预测方法，采用近红外光谱技术对样本进行数据采集；采用成分分析方法对样本进行主要成分检测；对原始近红外光谱数据进行标准正态变量变换的预处理；通过扩散模型对原始近红外光谱数据进行逐步噪声转换训练；通过一系列添加噪声的步骤，将初始光谱逐渐转变为完全噪声干扰的光谱；通过1D‑Unet网络预测噪声，逐步去除噪声，恢复原始光谱；通过1D‑UNet的编码器提取关键光谱特征，将这些关键光谱特征输入到预测模型中进行成分分析；将样本划分为训练集、验证集和测试集，对预测模型进行训练和性能评估。该方法可有效提高预测模型的稳定性和准确性。