利用多層感知器神經網絡模型結合光譜特征參數的土壤分類方法與流程

技術特征：

1.一種利用多層感知器神經網絡模型結合光譜特征參數的土壤分類方法，其特征在于，它包括以下步驟：

步驟一：采集n個土壤樣本，n為大于或者等于3的整數；用光譜儀對n個土壤樣本分別進行反射光譜測試，針對每個土壤樣本：采集10條光譜曲線，對10條光譜曲線進行算術平均，獲得每個土壤樣本的基準反射光譜數據；

步驟二：將每個土壤樣本的基準反射光譜數據以10nm為間隔，利用高斯模型進行光譜重采樣；

步驟三：對光譜重采樣數據進行包絡線去除，獲得突出反射光譜曲線的吸收和反射特征的去包絡線數據；

步驟四：在去包絡線數據中提取獲得m個光譜特征參數；

步驟五：對提取的m個光譜特征參數分別進行標準化處理，得到m個土壤分類指標；

步驟六：利用多層感知器神經網絡模型，根據土壤分類指標對土壤樣本進行分類。

2.根據權利要求1所述的利用多層感知器神經網絡模型結合光譜特征參數的土壤分類方法，其特征在于，所述多層感知器神經網絡模型具有輸入層、隱藏層和輸出層，隱藏層的激活函數為雙曲正切函數，輸出層的激活函數為softmax函數。

3.根據權利要求2所述的利用多層感知器神經網絡模型結合光譜特征參數的土壤分類方法，其特征在于，

步驟一中采集n個土壤樣本后，在室內分別對每個土壤樣本進行研磨、風干及過2mm篩，然后對每個土壤樣本進行反射光譜測試。

4.根據權利要求3所述的利用多層感知器神經網絡模型結合光譜特征參數的土壤分類方法，其特征在于，

步驟五中對提取的光譜特征參數進行標準化處理采用的公式為：

$Z_j\left(i\right)=\frac{X_j\left(i\right)-\min \[X_j\left(i\right)\]}{\max \[X_j\left(i\right)\]-\min \[X_j\left(i\right)\]},$

其中：Z_j(i)為第i個樣本第j個指標的標準化結果，X_j(i)為第i個樣本第j個指標值，max[X_j(i)]為第i個樣本第j個指標的最大值，min[X_j(i)]為第i個樣本第j個指標的最小值，i＝1，2，3，……n，j＝1,2,3,……，m。