烟草太赫兹光谱深度学习识别模型训练项目需求书.docxVIP

烟草太赫兹光谱深度学习识别模型训练项目需求书.docx

烟草太赫兹光谱深度学习识别模型训练项目需求书

一、项目基本信息

项目名称：基于太赫兹时域光谱的烟草含水量与厚度深度学习识别模型训练

核心任务：仅完成深度学习神经网络的**搭建、训练、调优、验证**，实现太赫兹时域光谱数据对烟草含水量、厚度的精准识别预测

任务性质：多输出回归任务（输入单条光谱数据，同步输出烟草含水量、厚度连续数值）

交付要求：仅交付模型训练相关成果，不含GUI交互界面开发、不含在线部署封装

二、项目背景与目标

太赫兹时域光谱技术可无损表征烟草理化特性，含水量、厚度是核心品质指标，二者与光谱信号存在非线性关联。本项目仅聚焦深度学习模型训练环节，通过神经网络学习标注数据集的映射规律，实现：输入烟草太赫兹时域光谱数据，模型直接输出对应的含水量、厚度精准预测值，满足科研与检测场景的数据分析需求。

三、核心技术与训练要求

3.1数据输入输出规则

模型输入：烟草样品太赫兹时域光谱原始数据（一维时序/强度曲线，格式支持.csv/.txt/.mat），单一样品对应一组光谱数据

模型输出：双维度精准预测值（连续数值，非离散分类）

输出1：烟草含水量（单位：%，保留2位小数）

输出2：烟草厚度（单位：mm，按实测精度保留小数）

3.2神经网络模型要求

适配一维光谱数据，优先采用1D-CNN、LSTM或混合网络结构，兼顾预测精度与泛化能力