您的位置: 首页 > 农业专利 > 详情页

一种基于深度学习技术的土壤近红外光谱分析预测方法
专利权人:
中国科学院合肥物质科学研究院
发明人:
王儒敬,陈天娇,谢成军,张洁,李瑞,陈红波,宋良图,汪玉冰
申请号:
CN201610416869.3
公开号:
CN106124449A
申请日:
2016.06.07
申请国别(地区):
中国
年份:
2016
代理人:
张祥骞`奚华保
摘要:
本发明涉及一种基于深度学习技术的土壤近红外光谱分析预测方法,与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷。本发明包括以下步骤:训练样本的获取和预处理;构造基于深度学习的预测模型;测试样本的获取和预处理;将预处理过的测试样本的光谱数据输入构造的预测模型,完成对测试样本土壤成分含量的分析预测;将测试土壤样本采用梅尔域的滤波带系数作为参数,变成二维特征输入训练好的卷积神经网络进行土壤成分含量的分析预测。本发明基于卷积神经网络的结构模型来进行土壤近红外光谱分析预测,提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性。
来源网站:
中国工程科技知识中心
来源网址:
http://www.ckcest.cn/home/

意 见 箱

匿名:登录

个人用户登录

找回密码

第三方账号登录

忘记密码

个人用户注册

必须为有效邮箱
6~16位数字与字母组合
6~16位数字与字母组合
请输入正确的手机号码

信息补充