基于回归CNN的烟叶近红外光谱模型研究
宗倩倩1
丁香乾1
韩凤2
宫会丽1
张磊1
1.中国海洋大学信息科学与工程学院 青岛 2661002.山东烟草研究院有限公司信息技术研究中心 济南 250001
摘要：为了更大程度提取近红外光谱中的深层次关键特征,论文应用改进的回归式卷积神经网络算法,将传统的卷积神经网络架构中池化层移除,最顶层的线性分类层用回归层进行替代,构建卷积神经网络回归(CNNR)模型.为了验证该算法的有效性,论文经多次实验、对比评价指标,筛选出最佳模型:总糖、总烟碱和氯离子最佳CNNR模型的相关系数R分别为0.9318,0.941,0.933,交叉验证的RMSECV分别为0.7052,0.0710,0.0971.实验结果表明:CNNR模型抽提的特征光谱数据对三个指标有很强的解释能力,对烟叶化学成分的有较好的预测性能和综合表达能力.
关键词：烟叶化学成分回归卷积神经网络近红外光谱定量模型拓扑结构
分类号：TP391(计算技术、计算机技术)
资助基金：科技部创新方法工作专项(2015IM030300)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 275-280 )
英文信息