基于深度學(xué)習(xí)的煙葉近紅外光譜定量建模方法,利用近紅外光譜儀進(jìn)行光譜信息采集,獲取煙葉的近紅外光譜信息,并對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,獲取煙葉的主要化學(xué)成分信息,使用稀疏特征學(xué)習(xí)方法對(duì)煙葉近紅外光譜數(shù)據(jù)應(yīng)用K?SVD算法創(chuàng)建過(guò)完備字典,利用OMP算法計(jì)算得到光譜的稀疏表示系數(shù);采用PSO?SVM學(xué)習(xí)算法,結(jié)合稀疏表示系數(shù)和化學(xué)成分信息建立近紅外光譜回歸預(yù)測(cè)模型。本發(fā)明利用光譜分析和機(jī)器學(xué)習(xí)雙技術(shù),并聯(lián)合模式識(shí)別中的支持向量機(jī)算法實(shí)現(xiàn)對(duì)煙葉的近紅外光譜快速定量建模,并應(yīng)用所建模型準(zhǔn)確預(yù)測(cè)煙葉的主要化學(xué)成分信息。
聲明:
“基于深度學(xué)習(xí)算法的煙葉近紅外光譜定量建模方法及應(yīng)用” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)