摘要
本发明涉及一种提高便携式近红外光谱数据分析精度的方法,该方法包括:对不同葡萄样品进行光谱扫描,得到多个原始近红外光谱数据;对各原始近红外光谱数据进行预处理,得到相应的预处理数据,并对预处理数据进行维度变换,得到二维图像;对二维图像进行处理,得到重构图像,基于重构图像对初始卷积神经网络模型进行训练,得到目标卷积神经网络模型;将目标卷积神经网络模型的特征提取层的输出结果作为偏最小二乘回归模型的输入,构建融合模型,以能够通过融合模型对待测葡萄的可溶性固形物含量进行检测。通过本申请,克服了便携式近红外光谱仪硬件限制,提高了提高便携式近红外光谱数据分析精度的的精度和效率。
技术关键词
卷积神经网络模型
偏最小二乘回归模型
可溶性固形物含量
超分辨率重构
葡萄
近红外光谱仪
图像
精度
数据
深度学习框架
储存器
上采样
机制
处理器
参数
系统为您推荐了相关专利信息
协同感知方法
监测点
模数
远程终端控制系统
全同态加密算法
健康状态估计方法
多场景
电化学阻抗谱分析
电池健康状态
卷积神经网络模型
辅助系统
深度学习算法
PDA设备
人脸拍照
录入人脸
人脸属性识别
心理
人脸视频图像
非接触式
人脸关键点检测