基于PSO-CNN的土壤氮含量可见/近红外光谱建模 |
| |
引用本文: | 刘兰军,翟永庆,郑俊俊,范萍萍,邓莉.基于PSO-CNN的土壤氮含量可见/近红外光谱建模[J].光学技术,2021,47(4):438-445. |
| |
作者姓名: | 刘兰军 翟永庆 郑俊俊 范萍萍 邓莉 |
| |
作者单位: | 中国海洋大学工程学院,青岛266100;中国海洋大学山东省海洋智能装备技术工程研究中心,青岛266100;中国海洋大学工程学院,青岛266100;齐鲁工业大学(山东省科学院)海洋仪器仪表研究所,青岛266100 |
| |
基金项目: | 国家重点研发计划;山东省自然科学基金 |
| |
摘 要: | 基于机器学习和深度学习的土壤元素含量光谱法建模是土壤化学成分检测的研究热点.为提高基于卷积神经网络的土壤元素含量光谱法建模的准确率,提出了一种粒子群算法优化的卷积神经网络土壤氮元素含量光谱分析模型(PSO-CNN).对土壤样本进行平滑及标准正态变换处理,减小噪声对建模的影响,设计适用于回归的卷积神经网络结构,采用粒子群...
|
关 键 词: | 土壤元素含量 可见/近红外光谱 卷积神经网络 粒子群算法 |
本文献已被 CNKI 万方数据 等数据库收录! |
|