基于深度学习回归模型与高光谱成像的油菜叶片氮浓度快速检测数据集

数据集概述

本数据集包含基于深度学习回归模型与高光谱成像技术，用于快速检测油菜叶片氮浓度的相关代码与光谱数据，支持模型训练、预测及光谱分析，为油菜氮素营养诊断研究提供数据基础。

文件详解

• 代码文件:
• SAE-FNNtrain.py: 用于预训练SAE模型并微调SAE-FNN模型
• SAE-FNNpredict.py: 使用训练好的SAE-FNN回归模型获取氮浓度的校准与预测结果
• 光谱数据文件:
• data\Meanspectra.csv: 校准集与预测集叶片样本的一百九十二个平均光谱
• data\train_pixels\目录: 包含从ROI图像中获取的十万二千五百二十八个像素光谱数据
• 压缩包文件:
• SAE-FNN_Code_Data.zip: 包含上述所有代码与数据的压缩包

适用场景

• 农业遥感研究: 分析高光谱成像技术在作物氮素营养诊断中的应用
• 深度学习模型开发: 用于训练和验证基于SAE-FNN的作物生理参数回归模型
• 作物精准管理: 支持油菜氮素快速检测技术的算法优化与应用研究
• 光谱数据分析: 探究油菜叶片光谱特征与氮浓度的关联规律