《表5 不同品种稻种CNN模型较优预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于光声光谱和TCA迁移学习的稻种活力检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由表4可知，SVR稻种活力预测模型的相关系数较优值为0.989 1，均方根误差较优值为0.752 0。为进一步优化稻种活力预测模型，建立基于CNN的稻种活力预测模型。在选用CARS降维和300 Hz调制频率时建立的CNN稻种活力预测模型有较优预测结果，不同品种稻种的CNN较优预测结果如表5所示。比较CNN模型与SVR模型的稻种活力预测结果，如表5，预测集相关系数均在0.99以上，高于0.989 1；预测集均方误差较优值为0.507 7，低于0.752 0。因此，CNN稻种活力预测模型较优。