本發明公開了一種基于神經網絡與近紅外光譜的梨無損檢測方法,首先在實際的分選線運作過程中,獲取對于每一個樣本而言最具有代表性的近紅外光譜,構建初始數據集;并進行預處理;然后使用區間選擇、波長選擇組合的方式對整個光譜波長區間進行特征選擇,并根據選擇結果構建特征數據集;按照K折檢驗法多次劃分,得到多組訓練、測試數據集,訓練、測試數據集的輸入特征為特征數據集中處理后的光譜數據,標簽為糖度與是否含有霉心??;最后構建兩個神經網絡模型,用于預測糖度與是否患有霉心病的模型用于后續實際檢測,本發明以較高的準確度檢測糖度與霉心病,為分選線的品質篩選提供強有力的依據,為農業產品的銷售提供極大的便利。
聲明:
“基于神經網絡與近紅外光譜的梨無損檢測方法” 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)