一种多尺度对抗解耦的近红外光谱模型转移方法及其系统

本申请公开了一种多尺度对抗解耦的近红外光谱模型转移方法，包括：获取源域和目标域的近红外光谱数据集，在时间和空间维度上执行时空数据分配策略，对光谱数据集进行比例划分，进行近红外光谱模型预训练；通过神经网络分别提取仪器无关特征及仪器相关特征，进行对抗训练，达到最小化域差异损失，输出域不变子集；将仪器相关特征、目标域的近红外光谱数据集及域不变子集，输入生成器生成虚拟光谱数据；采用动态加权采样策略，自适应调整虚拟光谱数据与真实光谱数据的采样概率，进行模型训练微调，将微调后的模型部署到目标仪器，实现近红外光谱模型的跨仪器转移。本发明方法大幅提升模型跨仪器泛化能力，增强光谱模型在时空维度上的鲁棒性。