本发明公开了一种基于神经网络与近红外光谱的梨无损检测方法,首先在实际的分选线运作过程中,获取对于每一个样本而言最具有代表性的近红外光谱,构建初始数据集;并进行预处理;然后使用区间选择、波长选择组合的方式对整个光谱波长区间进行特征选择,并根据选择结果构建特征数据集;按照K折检验法多次划分,得到多组训练、测试数据集,训练、测试数据集的输入特征为特征数据集中处理后的光谱数据,标签为糖度与是否含有霉心病;最后构建两个神经网络模型,用于预测糖度与是否患有霉心病的模型用于后续实际检测,本发明以较高的准确度检测糖度与霉心病,为分选线的品质筛选提供强有力的依据,为农业产品的销售提供极大的便利。
声明:
“基于神经网络与近红外光谱的梨无损检测方法” 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)