声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
该杂志刊期列表
- 2026年
- 1期
国内刊号：51-1125/TN
国际刊号：1001-3806
发布日期:
作者：戴雨涛, 韩强
关键词：光谱学, 鳄梨茎端腐, 深度学习, 迁移学习, 无损检测
鳄梨茎端腐烂的光谱检测模型易受不同产区生长环境差异的影响，导致模型泛化能力不足。为了提升鳄梨茎端腐烂的检测准确性，并增强模型在不同地区样本上的适应性，采用可见光-近红外光谱技术，结合深度学习与迁移学习方法构建了光谱检测模型。实验数据采集自秘鲁两个地区生产的鳄梨，共包含健康与茎端腐烂样本1994个；评估多种数据预处理和特征选择方法，并对模型性能进行了优化。结果表明，采用标准正态变量变换和子窗口排列分析对光谱数据进行预处理，显著提高了模型的准确性；在此基础上，进一步引入迁移学习对预训练模型进行优化，使其在目标区域的识别准确率由0.4455显著提升至0.7268。此研究结果验证了深度学习结合微调策略在提升模型跨域识别能力方面的有效性，为鳄梨病害的区域适应性检测提供了可靠的技术支撑与实践参考。
来源：2025年第6期
《激光技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。