基于注意力机制的土壤重金属污染物高光谱检测深度学习方法.pdfVIP

第47卷第4期红外技术Vol.47No.4

2025年4月InfraredTechnologyApr.2025

基于注意力机制的土壤重金属污染物高光谱检测深度学习方法

叶叶

（泰州学院信息工程学院云计算大数据实验室，江苏泰州225300）

摘要：高光谱图像和深度学习技术为土壤污染物检测提供了新的方法和工具。本研究旨在探索基于卷

积神经网络（CNN）的高光谱土壤污染物检测算法。首先，收集了包含多个波段的高光谱土壤数据集，

并进行数据分析和特征提取；然后，设计了一种适应高光谱土壤数据特点的CNN网络架构，提出针

对高光谱数据特点的自注意力机制，自动对冗余光谱数据降维，再使用图谱特征融合特征提取结构构

建模型；最后，在收集的土壤污染物数据集上验证算法性能。实验结果表明，所提出的方法能够对高

光谱数据有效降维，降低数据冗余程度，通过融合图谱特征，在土壤污染物检测方面取得了较好的性

能和准确性，对土壤污染物的快速检测有一定实际意义。

关键词：高光谱；土壤污染；注意力机制

中图分类号：TP751.2文献标志码：A文章编号：1001-8891(2025)04-0453-06

ADeepLearningMethodforHyperspectralDetectionofHeavyMetal

ContaminantsinSoilBasedonAttentionMechanism

YEYe

(CloudComputingBigDataLaboratoryofSchoolofInformationEngineering,TaizhouUniversity,Taizhou225300,China)

Abstract:Hyperspectralimaginganddeeplearningtechniquesprovidenewmethodsandtoolsfordetecting

soilcontaminants.Thisstudyexploresaconvolutionalneuralnetwork(CNN)-basedalgorithmforthe

detectionofhyperspectralsoilcontaminants.First,ahyperspectralsoildatasetcontainingmultiplespectral

bandswascollected,anddataanalysisandfeatureextractionwereperformed.Subsequently,aCNN

architectureadaptedtothecharacteristicsofhyperspectralsoildatawasdesigned.Aself-attentionmechanism

wasintroducedtoautomaticallyreducethedimensionalityofredundan