基于高光谱成像与机器学习快速评估堆肥成熟度的方法

本发明提供基于高光谱成像与机器学习快速评估堆肥成熟度的方法，包括：获取堆肥样本700‑1700nm波段高光谱数据，覆盖C‑H、O‑H官能团振动信息；黑白校正消除光源不均，提出32个低信噪比波段，保留203个有效波段；S201.PCA降维：将步骤1中高光谱数据提取前5个主成分，PC1反应腐殖质整体变化，PC3‑PC4捕捉1335nm和1460nm特征峰；S202.通过特征重要性分析步骤1中高光谱数据识别5个“特征波段”，提升效率40%；筛选的堆肥成熟度关键指标，将C/N比、NH‑N、NO‑N、GI加权为综合成熟度评分，解决单一指标阈值矛盾；用RF（n_estimators=200）和XGB（learning_rate=0.05）实现成熟/未成熟二分类；对成熟样本，用RF预测IMS、GI、C/N比等连续指标。本发明实现了快速、无损、精准的成熟度评估，为智能化堆肥生产提供了关键技术支撑。