基于深度学习的烟叶近红外光谱定量建模方法,利用近红外光谱仪进行光谱信息采集,获取烟叶的近红外光谱信息,并对光谱数据进行预处理,获取烟叶的主要化学成分信息,使用稀疏特征学习方法对烟叶近红外光谱数据应用K‑SVD算法创建过完备字典,利用OMP算法计算得到光谱的稀疏表示系数;采用PSO‑SVM学习算法,结合稀疏表示系数和化学成分信息建立近红外光谱回归预测模型。本发明利用光谱分析和机器学习双技术,并联合模式识别中的支持向量机算法实现对烟叶的近红外光谱快速定量建模,并应用所建模型准确预测烟叶的主要化学成分信息。
声明:
“基于深度学习算法的烟叶近红外光谱定量建模方法及应用” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)