数据集概述
该数据集围绕虾类新鲜度无损判别展开，包含基于可见/近红外高光谱成像技术与深度学习算法（SAEs-LR）的训练代码、样本光谱数据、模型文件及分析结果，为相关技术研究提供完整数据支持。
文件详解
该数据集为压缩包格式，内部包含以下分类文件：
- 算法代码文件（Python格式）：
- SAEs-LR_train.py：通过随机像素训练SAEs与LR模型
- SAEs-LR_classify.py：使用训练好的模型基于平均光谱进行新鲜度分类
- Classification_maps.py：生成高光谱图像的分类映射图
- 数据文件夹：
- sample_rois：虾样本ROI区域像素数据（仅上传1个ROI）
- train_pixels：用于训练模型的102400个随机像素光谱
- Meanspectra.csv：样本平均光谱及原始实验数据
- 模型日志文件：
- LR_model及LR_model.weights.hdf5：LR模型结构与权重
- SAEs_model及SAEs_model.weights.hdfs：SAEs模型结构与权重
- SAEs_model.train.log：SAEs模型训练误差日志
- 结果文件：算法生成的数据、图表及分类图像
适用场景
- 水产品质量检测研究：分析高光谱成像技术在虾类新鲜度无损检测中的应用效果
- 深度学习模型优化：基于现有SAEs-LR模型探索更高效的虾类新鲜度判别算法
- 食品检测技术开发：为食品行业新鲜度快速检测系统的研发提供数据支撑
- 光谱数据分析：研究可见/近红外光谱特征与虾类新鲜度指标的关联规律
