公开(公告)号：CN114359544A

公开(公告)日：2022-04-15

申请号：CN202111610452.8

申请日：2021-12-27

Applicant: 江苏大学

Inventor： 周鑫 ,  孙俊 ,  陈晨 ,  曹燕 ,  徐敏 ,  姚坤杉 ,  杨龙胥

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了基于T‑SAE农作物植株铅浓度Vis‑NIR光谱深度迁移学习方法，获取植株根和叶片样本的高光谱图像并进一步得到植株根和叶片ROI光谱，对植株根和叶片ROI光谱进行预处理获得集合S1和S2；分别从植株根和叶片的ROI中随机抽取n个平均光谱数据并进行预处理获得集合S3和S4；基于上述光谱数据集合以及铅胁迫类别标签集合L，分别完成根、叶片光谱数据与铅胁迫类别的深度学习模型SAE Model 1和SAE Model 2的构建；进而得到根、叶片光谱数据和铅胁迫类别之间的T‑SAE深度迁移学习模型，本方法具有检测速度快，精度高，可迁移能力强，对农作物植株不会造成破坏等优点，可实现农作物植株环境重金属铅浓度类别检测。

公开(公告)号：CN114359544B

公开(公告)日：2024-04-12

申请号：CN202111610452.8

申请日：2021-12-27

Applicant: 江苏大学

Inventor： 周鑫 ,  孙俊 ,  陈晨 ,  曹燕 ,  徐敏 ,  姚坤杉 ,  杨龙胥

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了基于T‑SAE农作物植株铅浓度Vis‑NIR光谱深度迁移学习方法，获取植株根和叶片样本的高光谱图像并进一步得到植株根和叶片ROI光谱，对植株根和叶片ROI光谱进行预处理获得集合S1和S2；分别从植株根和叶片的ROI中随机抽取n个平均光谱数据并进行预处理获得集合S3和S4；基于上述光谱数据集合以及铅胁迫类别标签集合L，分别完成根、叶片光谱数据与铅胁迫类别的深度学习模型SAE Model 1和SAE Model 2的构建；进而得到根、叶片光谱数据和铅胁迫类别之间的T‑SAE深度迁移学习模型，本方法具有检测速度快，精度高，可迁移能力强，对农作物植株不会造成破坏等优点，可实现农作物植株环境重金属铅浓度类别检测。