基于回归CNN的烟叶近红外光谱模型研究

• 作者: 丁香乾 宗倩倩 宫会丽 张磊 韩凤
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 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
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 算法与分析
• 页码范围: 275-280
• 页数: 6页
• 分类号: TP391
• 字数: 5226字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.02.005

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	中国海洋大学信息科学与工程学院	57	487	12.0	20.0
2	丁香乾	中国海洋大学信息科学与工程学院	99	1107	16.0	30.0
3	宫会丽	中国海洋大学信息科学与工程学院	25	140	7.0	10.0
4	宗倩倩	中国海洋大学信息科学与工程学院	1	5	1.0	1.0
5	韩凤	山东烟草研究院有限公司信息技术研究中心	4	29	3.0	4.0