申请/专利权人:南京信息工程大学
申请日:2024-01-04
公开(公告)日:2024-02-06
公开(公告)号:CN117524340A
主分类号:G16C20/20
分类号:G16C20/20;G16C20/70;G06F18/214;G06F18/241;G06F18/25;G06N3/045;G06N3/0464;G06N3/0475;G06N3/084;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.27#实质审查的生效;2024.02.06#公开
摘要:本发明公开了基于多层一维CNN深度网络的纺织品成份定量表征方法,从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据,并对纺织品光谱数据进行预处理;构建GAN模型,利用训练集数据和随机噪声样本训练GAN模型;构建多池化融合一维卷积核神经网络,利用训练之后的生成器生成伪样本数据,利用伪样本数据训练多池化融合一维卷积核神经网络,将训练后的多池化融合一维卷积核神经网络作为分类器;利用分类器对纺织品的成分进行定量表征。本发明利用多层一维CNN深度网络、GAN模型和多池化融合一维卷积核神经网络相结合的方法,实现了对纺织品成分的高效准确定量表征,具有较好的应用前景。
主权项:1.基于多层一维CNN深度网络的纺织品成份定量表征方法,其特征在于,包括:从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据,并对纺织品光谱数据进行预处理,将预处理后的纺织品光谱数据划分成训练集和测试集;构建GAN模型,利用训练集数据和随机噪声样本训练GAN模型;其中GAN模型包括生成器和判别器;构建多池化融合一维卷积核神经网络,利用训练之后的生成器生成伪样本数据,利用伪样本数据训练多池化融合一维卷积核神经网络,将训练后的多池化融合一维卷积核神经网络作为分类器;其中分类器的输出为目标成分的含量;利用测试集对分类器进行评估,计算精度指标;利用分类器对纺织品的成分进行定量表征。
全文数据:
权利要求:
百度查询: 南京信息工程大学 基于多层一维CNN深度网络的纺织品成份定量表征方法
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。