基于深度學習的煙葉近紅外光譜定量建模方法,利用近紅外光譜儀進行光譜信息采集,獲取煙葉的近紅外光譜信息,并對光譜數據進行預處理,獲取煙葉的主要化學成分信息,使用稀疏特征學習方法對煙葉近紅外光譜數據應用K?SVD算法創建過完備字典,利用OMP算法計算得到光譜的稀疏表示系數;采用PSO?SVM學習算法,結合稀疏表示系數和化學成分信息建立近紅外光譜回歸預測模型。本發明利用光譜分析和機器學習雙技術,并聯合模式識別中的支持向量機算法實現對煙葉的近紅外光譜快速定量建模,并應用所建模型準確預測煙葉的主要化學成分信息。
聲明:
“基于深度學習算法的煙葉近紅外光譜定量建模方法及應用” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)