一种基于改进卷积神经网络的高光谱土壤镍浓度预测方法

本发明提供一种基于改进卷积神经网络的高光谱土壤镍浓度预测方法，属于土壤光谱采集与分析技术领域。本发明首先采集土壤样本，测定土壤样本的可见近红外高光谱数据和镍浓度并剔除其中异常数据，接着对土壤光谱样本进行数据集的划分，划分为训练集和验证集，对训练集和验证集进行预处理和特征波段的提取；然后建立随机森林、支持向量回归、GoogleNet7、ResNet13和ResInceNet五种土壤镍浓度预测模型并使用训练集对这五种模型进行训练，根据损失函数大小保存最优模型，最后结合评价指标使用验证集对各模型进行预测精度的评价。本发明能快速、准确地进行预测，为土壤重金属镍浓度的定量预测，提供了有力的技术支持。