一种基于稀疏表示及BP神经网络技术的土壤近红外光谱分析方法

• 摘要：

  本发明涉及一种基于稀疏表示及BP神经网络技术的土壤近红外光谱分析方法,与现有技术相比解决了土壤分析方法无法满足实际需要的缺陷.本发明包括以下步骤:训练样本土壤集的获取和预处理;构造训练样本土壤数据的稀疏字典并获取训练样本的特征向量;将训练样本的特征向量作为BP神经网络的输入,训练网络参数,构建BP神经网络分类模型;测试样本土壤集的获取和预处理;利用训练样本土壤数据的稀疏字典构造测试样本的特征向量,利用训练好的BP神经网络分类模型完成对测试样本土壤成分的分类预测.本发明基于稀疏表示及BP神经网络框架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.

• 专利类型：

  发明专利

• 申请/专利号：

  CN201610416843.9

• 申请日期：

  2016.06.07

• 公开/公告号：

  CN106096656A

• 公开/公告日：

  2016-11-09

• 发明人：

  王儒敬 陈红波 谢成军 张洁 李瑞 陈天娇 宋良图 汪玉冰

• 申请人：

  中国科学院合肥物质科学研究院

• 主分类号：

  G06K9/62(2006.01)I,G,G06,G06K,G06K9

• 分类号：

  G06K9/62(2006.01)I,G06N3/04(2006.01)I,G,G06,G06K,G06N,G06K9,G06N3,G06K9/62,G06N3/04

• 主权项：

  一种基于稀疏表示及BP神经网络技术的土壤近红外光谱分析方法,其特征在于,包括以下步骤:11)训练样本土壤集的获取和预处理;使用光谱仪采集不同训练土壤样本集的光谱数据,对其进行预处理,形成训练样本土壤集的光谱特征矩阵;12)构造训练样本土壤数据的稀疏字典并获取训练样本的特征向量;13)将训练样本的特征向量作为BP神经网络的输入,训练网络参数,构建BP神经网络分类模型;14)测试样本土壤集的获取和预处理;使用光谱仪采集测试土壤样本的光谱数据,对测试样本土壤扫描40次取平均值;对测试样本土壤采用与训练样本相同的光谱数据预处理方法,得到测试土壤样本的光谱数据;15)利用训练样本土壤数据的稀疏字典构造测试样本的特征向量,利用训练好的BP神经网络分类模型完成对测试样本土壤成分的分类预测.