一种基于改进的迁移学习模型的叶菜农残测量装置及方法制造方法及图纸

本发明专利技术公开了一种基于改进的迁移学习模型的叶菜农残测量装置及方法，属于叶菜农残检测领域，包括获取第一数量个源域训练数据和第二数量个目标域训练数据；根据第一数量个源域训练数据，对卷积神经网络模型进行分批次训练，得到第一农残测量模型；根据第二数量个目标域训练数据，对第一农残测量模型进行分批次迁移学习训练，得到第二农残测量模型；将目标域待处理数据输入到第二农残测量模型，得到目标域待处理数据对应的农残含量。本发明专利技术采用上述的一种基于改进的迁移学习模型的叶菜农残测量装置及方法，可以很好的将压片法采集到的优质数据集泛化到粘接法得到的目标域数据中，从而在保障叶菜农残测量准确性的同时，满足原位测量需求。

【技术实现步骤摘要】

本专利技术涉及叶菜农残检测，尤其是涉及一种基于改进的迁移学习模型的叶菜农残测量装置及方法。

技术介绍

1、叶菜表面的农药残留严重危害身体健康，快速、准确地测定叶菜农残含量具有重要意义。随着技术的发展，出现了通过深度学习技术与光谱数据进行结合来帮助进行叶菜农残检测的方法。

2、目前已有的叶菜农残检测方法，主要是压片建模法，即将叶菜组织运回实验室进行破碎、烘干、研磨、过筛、压片等预处理后采集光谱，再结合机器学习方法对压片叶菜中的养分进行建模预测，压片建模法虽然可以得到较好的建模效果，但是所需仪器过多，样本准备周期长，无法满足原位、现场检测需求。

技术实现思路

1、本专利技术的目的是提供一种基于改进的迁移学习模型的叶菜农残测量装置及方法，以解决上述
技术介绍
中提到的问题。

2、为实现上述目的，本专利技术提供了一种基于改进的迁移学习模型的叶菜农残测量装置，包括以下内容：

3、数据获取模块，用于获取第一数量个源域训练数据以及第二数量个目标域训练数据，一个源域训练数据包括一个源域样本对应本文档来自技高网...

【技术保护点】

1.一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于，包括以下内容：

2.根据权利要求1所述的一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于：激光诱导击穿光谱数据为消除氮、氢、氧元素对应谱线的激光诱导击穿光谱数据。

3.根据权利要求1所述的一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于：激光诱导击穿光谱数据对应的波长范围为200.18nm–871.99nm。

4.一种应用如权利要求1-3任一项所述的一种基于改进的迁移学习模型的叶菜农残测量装置的方法，其特征在于，包括以下步骤：

5.根据权利要求4所述的一种基于改进...

【技术特征摘要】

1.一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于，包括以下内容：

2.根据权利要求1所述的一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于：激光诱导击穿光谱数据为消除氮、氢、氧元素对应谱线的激光诱导击穿光谱数据。

3.根据权利要求1所述的一种基于改进的迁移学习模型的叶菜农残测量装置，其特征在于：激光诱导击穿光谱数据对应的波长范围为200.18nm–871.99nm。

4.一种应用如权利要求1-3任一项所述的一种基于改进的迁移学习模型的叶菜农残测量装置的方法，其特征在于，包括以下...

【专利技术属性】
技术研发人员：程正坤，程艺恒，林泽辉，林星宇，张亚琛，张景岚，唐文，
申请(专利权)人：深圳职业技术大学，
类型：发明
国别省市：