基于拉曼光譜和深度學習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模型對家蠶微粒子病拉曼光譜進行無損檢測。以患家蠶微粒子病原原母種卵為實驗樣本，構建家蠶微粒子病拉曼光譜數據集。R-DenseNet與其他5種分類模型的對比結果表明，不使用額外預處理的R-DenseNet的檢測準確率達到97.32%,優(yōu)于使用預處理的傳統(tǒng)分類模型；對于處理60 dB強度噪聲的光譜數據，R-Dens... （共8頁）