申请/专利权人:山东临沂烟草有限公司
申请日:2023-12-12
公开(公告)日:2024-04-02
公开(公告)号:CN117809766A
主分类号:G16C20/20
分类号:G16C20/20;G01N21/359;G01N21/3563;G16C20/30;G06N3/096
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种基于迁移学习的烟叶近红外光谱化学成分模型优化方法,属于烟叶检测技术领域,本发明提供的一种基于迁移学习的烟叶近红外光谱化学成分模型优化方法,是在已有近红外光谱烟草检测模型的基础上,为应对原有模型由于环境、气候等因素的变化所产生的精度影响,利用关联‑比率迁移学习的方法迁移碎叶光谱中的有效信息,提升整叶光谱测量模型的稳定性,建立关于总糖、还原糖、总植物碱、钾、氯含量的全新预测模型。本发明所述优化方法能够减少重新采样建模所耗费的工作量,建立更为恒定的预测模型,能用于烟草生产过程中烟叶化学成分的分析,符合烟叶常规化学成分的快速检测要求,获得的数据能够满足烟草生产企业的需求。
主权项:1.基于迁移学习的烟叶近红外光谱化学成分模型优化方法,其特征在于,所述优化方法包括以下步骤:步骤S1、获取烟叶整叶近红外光谱;步骤S2、获取烟叶碎叶近红外光谱;步骤S3、通过烟叶干燥磨粉并经过流动分析仪化验获得参考化学成分数值;步骤S4、对步骤S1和步骤S2获取的近红外光谱数据进行预处理;步骤S5、根据步骤S1和步骤S2的近红外光谱数据分别对烟叶整叶和碎叶建立化学成分分析模型;步骤S6、通过关联-比率迁移学习方法将碎叶光谱信息迁移到整叶光谱模型中,用于获得烟叶近红外光谱化学成分的优化模型;根据优化模型检测烟叶化学成分,并获得烟叶化学成分的预测值。
全文数据:
权利要求:
百度查询: 山东临沂烟草有限公司 基于迁移学习的烟叶近红外光谱化学成分模型优化方法
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。