【技术实现步骤摘要】
基于多信息票拟机制和DAN算法的谷物产地溯源方法
[0001]本公开涉及人工智能
，具体地，涉及一种基于多信息票拟机制和DAN算法的谷物产地溯源方法。
技术介绍
[0002]通常来说，由于不同地区的气候，土壤和水资源等自然条件明显不同，大米、小米、大麦、燕麦等谷物质量也明显不同，因此，地理标签认证对保证谷物质量有重要意义。然而，由于一些原因，谷物的地理标签存在不真实的情况。因此，有必要提出一些谷物产地溯源或者称为谷物产地识别的方法。
[0003]相关技术中，有通过深度学习技术与光谱数据进行结合来帮助进行谷物产地溯源的方法，然而，相关技术中的谷物产地溯源方法，需要通过大量携带标签的样本数据进行训练，才能使得在特定的谷物种类中得到比较好的识别准确性。
[0004]然而，大量满足训练质量要求的光谱数据采集是一件耗时耗力的事，因为手工标签的高昂代价，建立一个大量、高质量的数据库也很有挑战。此外，大代价获得的珍贵数据集很容易过时，很难在新任务中重复使用。因此，相关技术中的谷物溯源方法由于样本数据难以获取的问题，限...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种谷物产地溯源方法，其特征在于，所述方法包括：获取第一数量个源域样本数据以及第二数量个目标域样本数据，每个源域样本数据包括源域谷物的多种目标光谱信息以及所述源域谷物对应的产地标签，每个目标域样本数据包括目标域谷物的多种目标光谱信息以及所述目标域谷物对应的产地标签；根据所述第一数量个源域样本数据以及第一损失函数，对待训练神经网络模型进行训练，得到源域谷物产地识别模型，所述第一损失函数包括第一损失项、第二损失项以及第三损失项，所述第一损失项表征样本数据的预测产地以及样本数据的产地标签之间的差异，所述第二损失项表征样本数据包括的多种目标光谱信息的原始特征，所述第三损失项表征源域样本数据与目标域样本数据之间的领域分布差异；根据所述第二数量个目标域样本数据，对所述源域谷物产地识别模型进行迁移学习，得到目标域谷物产地识别模型，所述目标域谷物产地识别模型用于对目标域谷物进行产地溯源识别。2.根据权利要求1所述的方法，其特征在于，所述根据所述第二数量个目标域样本数据，对所述源域谷物产地识别模型进行迁移学习，得到目标域谷物产地识别模型，包括：根据所述第二数量个目标域样本数据以及第二损失函数，对所述源域谷物产地识别模型进行训练，得到目标域谷物产地识别模型，所述第二损失函数包括所述第一损失项以及所述第二损失项。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取每种源域谷物的多种原始光谱信息，以及每种目标域谷物的多种原始光谱信息；采用z
‑
score标准化方法对每种原始光谱信息进行数据预处理，得到每种原始光谱信息对应的中间光谱信息；对每种中间光谱信息进行降维处理，得到每种目标光谱信息。4.根据权利要求1所述的方法，其特征在于，所述第二损失项通过以下公式表示：其中，loss2表示第二损失项，为一个正则化项，λ表示正则化参数，a、b、c分别为对应种类的目标光谱信息的票拟系数，通过模型训练得到，表示样本数据的第p种目标光谱信息，表示l2范数求解，样本数据为所述源域样本数据或者所述目标域样本数据。5.根据权利要求1所述的方法，其特征在于，所述第三损失项通过以下公式表示：其中，MMD(X
S
,X
T
技术研发人员：韩宇星，林鹏，郭阳，白兵宜，张梦杰，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。