基于特征迁移学习的鲜烟叶跨年度农残浓度检测方法及检测系统

本发明属于烟叶农残检测技术领域，公开了一种基于特征迁移学习的鲜烟叶跨年度农残浓度检测方法，包括以下步骤：获取同一产区连续两年鲜烟叶样本的高光谱图像数据，作为源域数据集和目标域数据集；采用特征重要性评估算法对源域全谱段数据降维，将筛选特征输入GA‑LSSVM检测模型，训练得到GA‑LSSVM农残浓度检测模型；采用TCA与MEDA联合算法对齐源域与目标域特征分布，将适配后的特征输入所述的GA‑LSSVM农残浓度检测模型，生成跨年度迁移学习优化模型；将待测鲜烟叶高光谱数据输入所述的跨年度迁移学习优化模型，输出农药残留浓度值。本发明为跨年度的鲜烟叶农残浓度水平检测提供了一种可靠的迁移学习解决方案。