申请/专利权人:重庆第二师范学院
申请日:2023-11-10
公开(公告)日:2024-02-06
公开(公告)号:CN117517246A
主分类号:G01N21/359
分类号:G01N21/359;G01N21/3563;G06V10/30;G06V10/44;G06V10/77;G06V10/764;G06N20/00
优先权:
专利状态码:在审-公开
法律状态:2024.02.06#公开
摘要:本发明涉及无损检测技术领域,具体涉及一种基于机器学习的NIR光谱产地鉴别分析方法;采集原始NIP数据;进行光谱预处理,采用预处理算法,对光谱进行整形降噪,从而降低原始数据中的噪声对于分类器的干扰;进行特征提取,得到降维后的数据,采用PCA方法对降噪后的NIR光谱进行特征抽取,从而将高维数据降维到适当的维度;对降维后的数据进行特征选择,利用特征选择算法,对降维后的光谱数据进行适当的特征选择以利于分类器更快更精确地学习;构建分类器;评价分类器性能;得到最终的鉴别模型,选择不同的分类器,在统一的训练框架和性能评价指标下,选出分类器建立光谱识别模型,实现了提高柑橘产地鉴别的时效性和准确性。
主权项:1.一种基于机器学习的NIR光谱产地鉴别分析方法,其特征在于,包括如下步骤:采集原始NIP数据;进行光谱预处理;进行特征提取,得到降维后的数据;对降维后的数据进行特征选择;构建分类器;评价分类器性能;得到最终的鉴别模型。
全文数据:
权利要求:
百度查询: 重庆第二师范学院 基于机器学习的NIR光谱产地鉴别分析方法
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。