近红外光谱技术为快速表征木质材料的物理和化学特性提供了一种潜在的解决方案。先前的研究已经显示出其在木材科学、造纸和林产品加工领域的应用潜力。然而由于仪器本身,样品和外部环境的变化,所测光谱的差异性显著,这将导致模型无法准确输出预测结果,甚至导致模型“失效”,使光谱模型获得长期性能变得更具挑战。为解决此类问题,除完善仪器硬件加工的标准,提高仪器加工水平外,还提出了模型传递技术。
现有模型传递方法大多涉及求解转换矩阵来校正主从模型。但是如果光谱吸光度偏差和谱峰漂移较大,或光谱差异与样品成分或种类的变化有关,数据间可能存在非线性关系,模型传递方法将很难甚至无法检测源域和目标域谱之间的相似属性。机器学习中的迁移学习可以利用领域间的相似性,将源域学习过的模型应用于目标域。在迁移学习中,特征提取器提取领域间的共享特征,使领域判别器无法区分特征是源域还是目标域特征,即达到纳什平衡。现有迁移学习方法在迁移过程中只关注于领域间的关联映射,而忽略了每个域的私有特征。特别地,不同领域的光谱数据的差异是理解样品属性之间关系的关键因素,在迁移过程中忽略私有特征会使模型性能大打折扣。
东北林业大学是一所以林科为优势、林业工程为特色的多学科协调发展的高等学校,地处我国最大国有林区的中心——哈尔滨市,东经***°,北纬***°,海拔141米,校园占地136公顷,并拥有帽儿山实验林场(帽儿山森林公园)和凉水实验林场(凉水国家级自然保护区)等教学、科研、实习基地,总面积达***万公顷。
评价单位:“科创中国”黑龙江科技服务团 (黑龙江省科学技术协会)
评价时间:2023-10-20
综合评价
技术前景广阔,具备技术成果转移转化要求。
查看更多>