来源：期刊VIP网 时间：
作者：魏雷;徐迎波;曹海兵;薛训明;王澍;何金华;严志景;计敏;张龙;张超;
单位：安徽大学物质科学与信息技术研究院;中国科学院合肥物质科学研究院安徽光学精密机械研究所;安徽中烟工业有限责任公司生产制造部;安徽中烟工业有限责任公司技术中心;
摘要：为解决高光谱数据维度高、预测精度容易受降维方法影响等问题，构建了一种嵌入点积注意力机制的双向循环神经网络AE-BiRNN(Attention mechanism Embed Bidirectional Recurrent Neural Networks)模型用于片烟含水率预测。AE-BiRNN通过双向门控制单元BiGRU(Bidirectional Gate Recurrent Unit)关联片烟含水率光谱序列前后波段的光谱信息，使用基于点积结构的注意力机制根据相似度信息对波段分配不同的权重参数，起到特征波长选择的作用。利用155个尺寸为640 px×640 px的片烟高光谱图像数据开展训练与验证，结果表明：(1)AE-BiRNN在无特征波长选择条件下同样能够获得较好预测准确率，点积注意力机制的引入显著提高了模型收敛速度；(2)AE-BiRNN对验证集回归预测的决定系数Rv2为0.940 4，均方根误差RMSEV为0.014 71，明显优于PLSR(Partial Least Squares Regression)、RF(Random Forest)、卷积神经网络LeNet和MLP(Multilayer Perceptron)方法。该研究可为实时监测片烟含水率分布、快速调控松散回潮机工艺参数提供支持。
关键词：松散回潮;片烟;高光谱成像;含水率;降维;注意力机制;循环神经网络
基金资助：安徽中烟工业有限责任公司科技项目“基于高光谱成像技术的片烟沁润度评价方法研究”（2021175）
