摘要
本发明公开了一种生理机制融合深度学习的蔬菜重金属含量检测方法及系统,属于重金属检测技术领域。所述方法包括:获取待测蔬菜在预设波段内的一维高光谱数据;对一维高光谱数据进行预处理,得到处理后的一维高光谱数据;获取待测蔬菜的生理机制,基于生理机制对预设波段进行划分,得到三个子波段;基于预设算法对处理后的一维高光谱数据进行特征提取,得到若干特征变量;确定各特征变量所在的波段,将各特征变量划分到对应的子波段内,得到三个特征变量集合;将三个特征变量集合输入至预先训练好的多分支卷积神经网络模型中对重金属含量进行预测,得到待测蔬菜的重金属含量预测值。本发明增强了模型的可解释性与性能、提升了检测准确性与鲁棒性。
技术关键词
分支卷积神经网络
蔬菜重金属含量
变量
融合深度学习
融合特征
训练样本数据
重金属检测技术
通道注意力机制
多分支
特征提取模块
算法
数据获取模块
数据处理模块
处理器
可读存储介质
生理
系统为您推荐了相关专利信息
低共熔溶剂体系
超参数
集成算法
木质素提取
变量
智能施肥系统
土壤肥力变化
预测模型训练
土壤管理系统
匹配模块
地址探测方法
网络空间测绘技术
种子
地址映射
神经网络模型
网络拓扑结构
网络探针
网络流量数据
团伙识别
融合特征