一种基于高光谱成像和Wasserstein生成对抗网络数据增强的小麦籽粒水分含量无损预测方法

本发明公开了一种基于高光谱成像和Wasserstein生成对抗网络数据增强的小麦籽粒水分含量无损预测方法，通过融合光谱特征数据增强与深度学习建模实现精准水分预测，利用可见光‑近红外和短波红外高光谱成像系统采集小麦籽粒光谱图像数据；采用Wasserstein生成对抗网络差异化生成合成光谱及水分数据，通过t‑SNE验证数据分布一致性，扩充三倍训练集；结合一阶导数预处理消除噪声，利用SPA和ReliefF算法筛选关键特征波长，构建卷积神经网络回归模型。实验表明，本方法在可见光‑近红外波段达到RMSEP＝0.5717，短波红外波段RMSEP＝1.0009，较传统极限学习机和反向传播神经网络精度提升显著。