本發(fā)明涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)和高光譜技術(shù)的柚子?;诸惙椒?,包括以下步驟:1)獲取柚子漫透射高光譜信息;2)對(duì)獲取的高光譜信息進(jìn)行歸一化預(yù)處理,然后將處理后的信息分為訓(xùn)練集和驗(yàn)證集;3)利用訓(xùn)練集對(duì)建立的多層卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練;4)建立損失函數(shù),采用Adagrad梯度下降方式結(jié)合反向傳播對(duì)多層卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,將損失最小的模型作為訓(xùn)練得到的多層卷積神經(jīng)網(wǎng)絡(luò)模型;5)將訓(xùn)練集和驗(yàn)證集輸入訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型,得到分類結(jié)果。該方法有利于無(wú)損檢測(cè)柚子?;潭龋瑢?duì)柚子?;潭冗M(jìn)行分類。
聲明:
“基于卷積神經(jīng)網(wǎng)絡(luò)和高光譜技術(shù)的柚子?;诸惙椒ā?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)