基于回归CNN的烟叶近红外光谱模型研究

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

所属期刊栏目：47

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课题"发动机行业智能制造方法研究与应用示范"编号:2015IM030300

在线出版日期：2020-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：275-280