[发明专利]基于深度置信网络的土壤重金属含量检测模型的建立方法

权利要求书

1.基于深度置信网络的土壤重金属含量检测模型的建立方法，其特征在于，包括以下步骤：

(1)提供若干类含有不同浓度的待测金属元素的样本，并设置相应的分类标签，每类样本具有若干个样品，在每个样本上利用激光诱导击穿光谱技术采集M个点的光谱图像；

(2)将每个点的光谱图像转化成与波长对应的数据，采用PCA算法对所述数据进行处理，选取主成分得分在前N×N位的数据，构成N×N的矩阵作为该点的特征矩阵，获得数据集；

(3)利用Kennard stone algorithm将所述数据集划分成训练集和测试集；

(4)将所述训练集和测试集及对应的分类标签输入深度置信网络模型，训练建立模型。

2.如权利要求1所述的建立方法，其特征在于，步骤(1)中，提供3～6类样本，每类样品数为5～10个。

3.如权利要求1所述的建立方法，其特征在于，步骤(1)中，M为16。

4.如权利要求1所述的建立方法，其特征在于，步骤(2)中，所述波长范围为229.3438-876.9642nm。

5.如权利要求1所述的建立方法，其特征在于，步骤(2)中，N×N个数据按照主成分得分从高到低的顺序依次排列形成N×N的矩阵。

6.如权利要求1所述的建立方法，其特征在于，步骤(2)中，N＝6。

7.如权利要求1所述的建立方法，其特征在于，深度置信网络的结构参数为：

(1)深度置信网络为4层神经网络；

(2)第一层是输入层；第二层是隐含层，含有100个神经元；第三层是隐含层，包含30个神经元；第四层是输出层；

(3)学习率为0.1，反向迭代次数为200；激励函数为relu。

8.一种植物土壤中重金属元素含量分类的方法，其特征在于，包括：

1)利用激光诱导击穿光谱技术采集待测样本的光谱图像，并转化成与波长对应的数据；

2)采用PCA算法对所述数据进行处理，选取主成分得分在前N×N位的数据，构成N×N的矩阵作为特征矩阵；

3)将特征矩阵输入如权利要求1-7任一项所述的建立方法建立的基于深度置信网络的土壤重金属含量检测模型，运行输出待测样本中待测金属元素含量所对应的分类标签。

9.如权利要求8所述的方法，其特征在于，所述待测样本为含铅的烟草土样本。