数据集概述
本数据集围绕采后库尔勒香梨的品质检测展开，包含基于可见/近红外高光谱反射成像技术的深度学习预测模型代码、训练用光谱数据及预训练模型文件，为研究香梨硬度和可溶性固形物含量的快速检测方法提供数据支持。
文件详解
该数据集以压缩包形式存储，内部包含以下文件和目录：
- 模型代码文件：
- SAE-FNNtrain.PY：Python格式，SAE-FNN模型的训练代码
- SAE-FNNpredict.PY：Python格式，使用预训练模型预测香梨硬度和可溶性固形物含量的代码
- 数据文件（位于data/目录下）：
- PearMeanspectra.csv：CSV格式，包含180条平均光谱数据及对应的硬度和可溶性固形物含量（SSC）
- train_pixels/ramdonpixel_train.pkl.gz：压缩文件格式，用于SAE-FNN模型训练的随机像素光谱数据
- train_pixels/ramdonpixel_val.pkl.gz：压缩文件格式，用于SAE-FNN模型验证的随机像素光谱数据
- 预训练模型文件（位于logs/目录下）：
- 用于香梨硬度和可溶性固形物含量预测的预训练模型文件
适用场景
- 农产品品质检测研究：开发基于高光谱成像的水果内部品质快速无损检测方法
- 深度学习应用：探索SAE-FNN模型在农业光谱数据处理中的优化与改进
- 食品工程分析：分析光谱特征与水果硬度、可溶性固形物含量的关联规律
- 智能农业技术开发：为采后水果品质分级的自动化系统提供算法与数据支持
