买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明涉及智能农业技术领域，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，其中，方法包括：获取农产品样本的光谱图像数据和电化学检测数据；识别光谱图像数据中农产品样本在不同波长下的样本图像、以及识别电化学检测数据中农产品样本的样本品质指标；根据农产品样本在不同波长下的样本图像及样本品质指标生成样本数据集，利用样本数据集和深度学习网络构建基于电化学反馈的自动建模系统，生成检测模型；将待检测农产品的光谱图像输入品质检测模型，品质检测模型输出待检测农产品的品质指标。由此，解决了相关技术中农产品个体差异大、训练样本海量带来的光谱成像技术预测不精确问题。

主权项：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：利用光谱仪器获取农产品样本的光谱图像数据，并传送所述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；识别所述光谱图像数据中农产品样本在不同波长下的样本图像、以及识别所述电化学检测数据中所述农产品样本的待测样本品质指标；根据所述农产品样本在不同波长下的样本图像及待测样本品质指标生成样本数据集，利用所述样本数据集和深度学习网络生成品质检测模型；将待检测农产品的光谱图像输入品质检测模型，所述品质检测模型输出所述待检测农产品的品质指标；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：将所述样本数据集随机划分成训练集和验证集；利用所述训练集中的样本图像及样本品质指标对所述深度学习网络进行训练，获取所述深度学习网络输出的所述农产品样本的品质预测结果，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；利用所述验证集对训练后的深度学习网络进行验证，根据所述验证结果优化所述深度学习网络的网络参数，直到所述品质预测结果的品质预测误差达到目标精度要求时停止训练，将训练完成深度学习网络作为所述品质检测模型；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：根据所述样本品质指标和所述品质预测结果计算所述农产品样本的品质预测误差的语义信息和潜在语义熵，其中，所述语义信息和所述潜在语义熵表示所述深度学习网络对所述训练集的可信度，并根据所述可信度调整所述深度学习网络的网络结构及网络参数；根据所述语义信息和所述潜在语义熵调整所述样本图像的样本品质指标和深度学习网络的目标网络层级的至少一个，其中，每个网络层级的网络用于提取所述样本图像的特征图，基于所述特征图确定所述农产品样本的品质预测结果；其中，所述语义信息的计算公式为： 其中，为特征层级，为样品品质指标，为反馈调节的次数，为预测的语义信息，t为测试的第t个样本图像，为第u个样本，为验证集的样本总数，为和相同预测类别随机抽样扩充训练样本的认知误差语义论域，为认知误差语义矩阵；所述潜在语义熵的计算公式为： 其中，为潜在语义熵，为划分得到的第个商集，为划分的商集个数，为训练样本的维度，为样本数。

全文数据：

权利要求：

百度查询： 合肥工业大学 农产品光谱无损检测自动建模的方法、设备、介质及产品