摘要
本申请实施例提供了一种基于近红外光谱的叶片含水率与叶绿素检测方法，该方法包括：获取试样叶片的原始光谱数据；对所述原始光谱数据进行预处理，得到处理后的光谱数据；采用竞争性自适应重加权采样算法或连续投影算法对处理后的光谱数据进行关键波段筛选，得到目标光谱数据；将所述目标光谱数据输入预先构建的神经网络模型中，进行叶片含水率与叶绿素的检测，得到检测结果。本方案中，CNN‑KAN通过融合卷积神经网络与KAN网络的优势，不仅提高了模型的非线性拟合能力，还增强了模型的可解释性，表现出对光谱数据中细微特征的高效提取能力，不仅降低了检测成本，且检测效率高，可以实现现场检测。
