龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江农林大学
申请日：2024-04-10
公开（公告）日：2024-06-28
公开（公告）号：CN118258778A
主分类号：G01N21/31
分类号：G01N21/31;G01N21/01;G01N31/16;G16C20/20;G16C20/70;G06F18/10;G06F18/2115;G06F18/214;G06F18/21;G06F18/27;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开了一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，包括甘薯叶片成像光谱的提取、变换、归一化等过程；本发明中甘薯叶片光谱的氮含量检测方法依赖于卷积神经网络，相较于传统的人工测量手段更加高效准确，与传统模型相比具有更高的准确性和适用性，在图像处理等多个领域拥有相对优势。同时本方法设计了两个全连接层，经优化对比增加了甘薯叶片氮素含量预测的准确性，实验数据分析结果表明，方法预测的甘薯叶片氮含量数据的准确度达到了78％，误差保持在3％以内，具有氮含量检测快，误差范围小的特点。
主权项：1.一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法，其特征在于，包括以下步骤：S1：使用设备获取甘薯叶片光谱数据，将实验测得叶片氮含量数据与光谱数据一一对应；S2：将光谱数据进行MSC多元散射矫正算法消除由于散射水平不同带来的光谱差异，再进行二阶求导提高信噪比，最后通过SG卷积平滑处理算法提高光谱的平滑性，并降低噪音的干扰减小随机误差；S3：将上述经过处理的光谱数据用KS算法进行划分；S4：训练集经由UVE无信息变量消除算法筛选后与对应的实验测得叶片氮含量数据一同放入两层卷积的CNN中学习；S5：训练结果经过五折交叉验证，提供更可靠的性能估计，使模型拥有更好的泛化能力。
全文数据：
权利要求：
百度查询： 浙江农林大学 一种融合人工智能和光谱技术的甘薯叶片氮含量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号