一种基于光谱数据分析的大米质量评估方法和系统

本发明公开了一种基于光谱数据分析的大米质量评估方法和系统，涉及光谱数据的测量及分析技术领域，包括对大米品种的原始光谱数据分为支持集和查询集；在支持集上采用模型无关元学习框架，生成目标品种的特征权重向量；对预处理数据进行多尺度分解，将各尺度特征进行融合，通过反向校验机制检测和修正各尺度特征输出之间的偏差；生成大米质量评估决策，并利用实时反馈数据对决策模型参数进行动态校准。本发明通过引入模型无关元学习与多尺度特征融合技术，采用强化学习控制和双通道注意力机制，实现对大米品种光谱数据的自适应特征选择和闭环校正，从而突破了传统方法在样本依赖、环境适应和局部异常检测等方面的局限。