【技术实现步骤摘要】
本专利技术涉及智能农业，特别涉及一种农产品光谱无损检测自动建模的方法、设备、介质及产品。
技术介绍
1、农产品品质安全关系到社会稳定，传统的品质安全检测方法耗时、繁琐、成本高，因此无法在线进行检测。在农业领域深度学习一般面临的都是“小数据大任务”问题，即通过采样获取的农产品样本数据相对实际样本而言都是小数据，海量样本的获取往往需要高昂代价，无法取得。同时对于农产品样本来说，其个体差异较大，用于建模的定标值的无法自动获取，造成虽然光谱检测技术的可行性已被众多研究证实，但仍然难以在实际中应用。
2、现有技术中，对农产品的品质成分分析常用的是hplc-ms（high performanceliquid chromatography-mass spectrometry，高效液相色谱-质谱联用技术）、gc-ms（gaschromatography-mass spectrometry，气相色谱-质谱联用技术）等技术，检测精度高，但检测周期过长、价格高、样品需要预处理，在实时检测应用场景中实施困难，不便于大量检测数据的获取，在面对海量农产...
【技术保护点】
1.一种农产品光谱无损检测自动建模的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的农产品光谱无损检测自动建模的方法，其特征在于，所述利用所述样本数据集和深度学习网络生成品质检测模型，包括：
3.根据权利要求2所述的农产品光谱无损检测自动建模的方法，其特征在于，所述根据所述样本品质指标和所述品质预测结果校正所述训练集及优化所述深度学习网络的网络参数，包括：
4.根据权利要求3所述的农产品光谱无损检测自动建模的方法，其特征在于，所述语义信息的计算公式为：
5.根据权利要求1所述的农产品光谱无损检测自动建模的方法，...
【技术特征摘要】
1.一种农产品光谱无损检测自动建模的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的农产品光谱无损检测自动建模的方法，其特征在于，所述利用所述样本数据集和深度学习网络生成品质检测模型，包括：
3.根据权利要求2所述的农产品光谱无损检测自动建模的方法，其特征在于，所述根据所述样本品质指标和所述品质预测结果校正所述训练集及优化所述深度学习网络的网络参数，包括：
4.根据权利要求3所述的农产品光谱无损检测自动建模的方法，其特征在于，所述语义信息的计算公式为：
5.根据权利要求1所述的农产品光谱无损检测自动建模的方法，其特征在于，所述利用光谱仪器获取农产品样本的光谱图像数据，并传送农产品样本至电化学检测装置，进行电化学检测得到电化学检测数据，包括：
...【专利技术属性】
技术研发人员：郑磊，刘长虹，刘伟，瞿昊，李正，
申请(专利权)人：合肥工业大学，
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。