核心提示
中文摘要:
针对样品温度变化问题,由于近红外光谱对温度等物理条件变化十分敏感,以奶油中的靛蓝色素作为光谱定量分析数据,提出了一种变温注意力残差网络解决方案。变温注意力残差网络融合温度以及光谱特征,其主干结构使用并发空间和通道挤压和激励注意力机制对残差块处理后的特征进行整合增强。随后采用最大池化和随机丢弃层进行特征降维和模型正则化。将去掉注意力模块的网络与六种深度学习常用的回归分析网络对比,验证其在领域的高适用性。将变温注意力残差网络与6种网络中最佳模型的3种优化形式对比,验证其高性能。最后对模型调优,训练和测试损失差缩小至0.0005,决定系数和相对分析误差达到了最佳值0.9293和3.7031,表明该模型能在实践中对变温条件下的光谱定量分析。
关键词:
近红外光谱;温度;注意力机制;残差网络;奶油色素
阅读全文
·END·
部分文字、数据、图、表或其他内容来源于本刊已发表论文或互联网可公开获取资料,版权归该资料版权人所有。若读者或版权人认为本文涉嫌侵权或其他问题,请联系编辑部进行及时处理。
关注《武汉工程大学学报》杂志
了解杂志
请登录官网:http://www.jwit.org.cn/
联系我们
邮箱:jwit@vip.163.com
《武汉工程大学学报》投稿作者QQ群:573604634
电话:027-87195679
地址:湖北省武汉市洪山区雄楚大街693号 武汉工程大学学报编辑部
邮编:430074
编辑:张瑞
制作:霍淑利,吴宇轩
审核:刘生鹏,张瑞