| 专利名称 | 一种基于深度学习技术的土壤近红外光谱分析预测方法 | 申请号 | CN201610416869.3 | 专利类型 | 发明专利 | 公开（公告）号 | CN106124449A | 公开（授权）日 | 2016.11.16 | 申请（专利权）人 | 中国科学院合肥物质科学研究院 | 发明（设计）人 | 王儒敬;陈天娇;谢成军;张洁;李瑞;陈红波;宋良图;汪玉冰 | 主分类号 | G01N21/359(2014.01)I | IPC主分类号 | G01N21/359(2014.01)I;G01N21/3563(2014.01)I;G06N3/04(2006.01)I;G06N3/08(2006.01)I | 专利有效期 | 一种基于深度学习技术的土壤近红外光谱分析预测方法 至一种基于深度学习技术的土壤近红外光谱分析预测方法 | 法律状态 | 实质审查的生效 | 说明书摘要 | 本发明涉及一种基于深度学习技术的土壤近红外光谱分析预测方法，与现有技术相比解决了无法对土壤成分进行大批量综合分析的缺陷。本发明包括以下步骤：训练样本的获取和预处理；构造基于深度学习的预测模型；测试样本的获取和预处理；将预处理过的测试样本的光谱数据输入构造的预测模型，完成对测试样本土壤成分含量的分析预测；将测试土壤样本采用梅尔域的滤波带系数作为参数，变成二维特征输入训练好的卷积神经网络进行土壤成分含量的分析预测。本发明基于卷积神经网络的结构模型来进行土壤近红外光谱分析预测，提高了近红外光谱土壤主要成分预测的精度和模型的鲁棒性。 |
1、源头对接，价格透明
2、平台验证，实名审核
3、合同监控，代办手续
4、专员跟进，交易保障