基于拉曼光譜和深度學(xué)習(xí)的家蠶卵微粒子病無損檢測

摘要： 為研究家蠶微粒子病檢測方法，基于密集連接塊提出用R-DenseNet模型對(duì)家蠶微粒子病拉曼光譜進(jìn)行無損檢測。以患家蠶微粒子病原原母種卵為實(shí)驗(yàn)樣本，構(gòu)建家蠶微粒子病拉曼光譜數(shù)據(jù)集。R-DenseNet與其他5種分類模型的對(duì)比結(jié)果表明，不使用額外預(yù)處理的R-DenseNet的檢測準(zhǔn)確率達(dá)到97.32%,優(yōu)于使用預(yù)處理的傳統(tǒng)分類模型；對(duì)于處理60 dB強(qiáng)度噪聲的光譜數(shù)據(jù)，R-Dens... （共8頁）