【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于深度学习的多光谱数据预测方法及系统。
技术介绍
1、多光谱数据预测方法在海关检测危险化学品中具有重要潜力，多光谱技术能够提供高维度的信息，用于精确识别和分类不同类型的化学品；可通过已确定样品的多光谱曲线结合神经网络算法构建预测模型，将待检测样品的多光谱曲线投入预测模型中进行匹配，预测样品结果。在采集待检测样品的多光谱特征曲线时，当照射的光照强度过高时，会导致光谱信号强度过高，超出传感器的检测能力，传感器的输出达到最大值限制，使得多光谱特征曲线中的强信号的波峰被剪切，呈现出平坦的顶端，从而被剪切的多光谱特征曲线难以反映待检测样品的准确成分，使得预测结果不准确。若直接使用较低的光照强度会降低传感器接收的光谱信号强度，导致信噪比较低，难以提取有效的光谱特征，会同样使得预测结果不准确。
技术实现思路
1、为了解决上述光照强度过高会导致多光谱特征曲线不完整，影响待检测样品的预测准确性的技术问题，本专利技术的目的在于提供一种基于深度学习的多光谱数据预测方法及系统...
【技术保护点】
1.一种基于深度学习的多光谱数据预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述多光谱特征曲线的数据变化特征获得波峰点的步骤包括：
3.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述波峰点的数据分布特征、邻域的数据波动特征获得疑似剪切度的步骤包括：
4.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述波峰点的疑似剪切度获得剪切点和非剪切点的步骤包括：
5.根据权利要求1...
【技术特征摘要】
1.一种基于深度学习的多光谱数据预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述多光谱特征曲线的数据变化特征获得波峰点的步骤包括：
3.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述波峰点的数据分布特征、邻域的数据波动特征获得疑似剪切度的步骤包括：
4.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述波峰点的疑似剪切度获得剪切点和非剪切点的步骤包括：
5.根据权利要求1所述的一种基于深度学习的多光谱数据预测方法，其特征在于，所述根据所述非剪切点的数据离散特征和相邻数据的变化特征获得第一剪切系数的步骤包括：
6.根据权利要求1所述的一种基于深度学习的多光谱数...
【专利技术属性】
技术研发人员：黄红花，车礼东，徐小茗，汤志旭，卢健，
申请(专利权)人：青岛海关技术中心，
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。