利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法与流程

技术特征：

1.一种利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，它包括以下步骤：

步骤一：采集n个土壤样本，n为大于或者等于3的整数；用光谱仪对n个土壤样本分别进行反射光谱测试，针对每个土壤样本：采集10条光谱曲线，对10条光谱曲线进行算术平均，获得每个土壤样本的基准反射光谱数据；

步骤二：将每个土壤样本的基准反射光谱数据以10nm为间隔，利用高斯模型进行光谱重采样；

步骤三：对光谱重采样数据进行包络线去除，获得突出反射光谱曲线的吸收和反射特征的去包络线数据；

步骤四：在去包络线数据中提取获得m个光谱特征参数；

步骤五：对提取的m个光谱特征参数分别进行标准化处理，得到m个土壤分类指标；

步骤六：利用多层感知器神经网络模型，根据土壤分类指标对土壤样本进行分类。

2.根据权利要求1所述的利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，所述多层感知器神经网络模型具有输入层、隐藏层和输出层，隐藏层的激活函数为双曲正切函数，输出层的激活函数为softmax函数。

3.根据权利要求2所述的利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，

步骤一中采集n个土壤样本后，在室内分别对每个土壤样本进行研磨、风干及过2mm筛，然后对每个土壤样本进行反射光谱测试。

4.根据权利要求3所述的利用多层感知器神经网络模型结合光谱特征参数的土壤分类方法，其特征在于，

步骤五中对提取的光谱特征参数进行标准化处理采用的公式为：

$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)为第i个样本第j个指标的标准化结果，X_j(i)为第i个样本第j个指标值，max[X_j(i)]为第i个样本第j个指标的最大值，min[X_j(i)]为第i个样本第j个指标的最小值，i＝1，2，3，……n，j＝1,2,3,……，m。