技术特征：1.一种基于高光谱和深度学习的大米工业石蜡污染检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高光谱和深度学习的大米石蜡污染检测方法，其特征在于，所述步骤s1的具体操作包括：
3.根据权利要求2所述的基于高光谱和深度学习的大米石蜡污染检测方法，其特征在于，所述步骤s1中获取污染大米样本的样本高光谱图像的条件为：光谱特征波长范围397~978nm，光谱频带数d为196个。
4.一种基于权利要求1-3任一项所述的基于高光谱和深度学习的大米石蜡污染检测方法的大米石蜡污染检测系统，其特征在于，所述检测系统包括高光谱信息获取模块、工业石蜡污染检测模块与输出模块；
技术总结本发明公开了一种基于高光谱与深度学习的大米石蜡污染检测方法及系统，本发明属于食品检测领域，包括：制备污染大米样本、获取样本高光谱图像、样本高光谱图像标记与多个工业石蜡污染数据集构建、多情景建模策略数据集组合、大米工业石蜡污染水平判别模型训练；其中，多情景建模策略数据集组合是将根据制备污染大米样本的大米产区、工业石蜡种类与含量构建的多个工业石蜡污染数据集，依据各数据集是否单独训练、训练集与测试集划分比例为依据，设定为训练集与数据集并对大米工业石蜡污染水平判别模型进行训练，以提高模型对少量污染大米的检测精度。本发明利用高光谱和深度成像技术，提出一种简单、高效、适用于少量样本的大米石蜡污染检测方法。
技术研发人员：王金峰,赵敏义,王震涛,陈国庆,林腾辉,王瑞东,蒋蕊,吕振阳,马思源,初宇航
受保护的技术使用者：东北农业大学
技术研发日：技术公布日：2024/6/5