[Objectif] Dans la publicité et l'application d'équipements d'identification féminins dans le bétail de la soie de soie, afin de réduire de nouvelles variétés, de nouveaux équipements doivent être des modèles et des modèles d'identité féminins basés sur des spectres infrarouges et des multi-repose-entités presque multiples. Recherche sur le déménagement. [Méthode] Pour la première fois à l'aide de 2 modèles (spectre NIRQUEST512 et spectrophotomètre SW2540) pour collecter des données spectrales diffuses diffuses proches de l'infrarouge; Après cela, le réseau nerveux protecteur de l'ensemble de données est utilisé comme modèle de domaine source et une sortie de classe intermédiaire est visualisée; Pour différentes variétés et différents dispositifs d'acquisition pour affiner le modèle de domaine source, le modèle mobile est construit; Le modèle de migration prédit les réseaux nerveux et la chirurgie corrects, CNN, les vecteurs de support (vecteur de support, SVM) et algorithmes forestiers aléatoires (RF). [Résultats] L'application du modèle de domaine source CNN est construite avec un spectre de 1700 9 Fuest512, avec une bonne résolution féminine, avec une vitesse de précision de la résolution de 99%. Des modèlesSortie SVM et RF sont construits comme entrée en tant qu'entrée dans la source de nom de domaine de la classe CNN intermédiaire, les hommes avec précision sont de 92% et plus de 90%, et l'analyse d'image indique que la mise en œuvre de la classe peut extraire les caractéristiques des hommes. Pour 100 7-XIANG (SPECTRUM NIRQUEST512), 77 7, 7 Lorsque l'échantillon (spectrophotomètre SW2540) de 932 (SPECTRUM SW2540), lorsque l'ensemble de formation est de 70%, la précision du modèle CNN Le domaine cible obtenu par un modèle CNN raffiné est de 96,90 %, 99,67%, 97,29%, effet optimal, indépendamment de l'exactitude du modèle SVM de 92,49%, 94,25%, 93,65% et l'exactitude du modèle RF indépendant est de 80,93%, 80,17%, 81,47%, l'effet est un peu ; L'exactitude du modèle CNN indépendant n'est que de 58,87,%, 56,33%, 72,17%, l'effet est le pire. En modélisant le nombre d'ensembles de formation différents, il est également affiché dans moins de cas de données, le modèle CNN est une méthode d'apprentissage optimale traditionnelle, le modèle de profondeur CNN est le pire. Machine à spectre [Conclusion]Des types différents ou différents de modèles d'apprentissage en mouvement profond peuvent être déplacés et configurent rapidement des modèles de classification de cocoon de cocoon femelles pour utiliser une variété de machines à spectre et collecter diverses variétés de variétés de ver à soie.Base.