买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于光谱物理标定实现光谱重构的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120180098B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510637575.2，技术领域涉及：G06F18/213；该发明授权一种基于光谱物理标定实现光谱重构的方法是由杨长;董安澜;任武洋;沈凯;任翱博;李创;巫江设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。

本一种基于光谱物理标定实现光谱重构的方法在说明书摘要公布了：本发明公开了一种基于光谱物理标定实现光谱重构的方法，属于红外光谱技术领域。本发明方法包括以下步骤：S1.数据采集，S2.光谱‑电学联合数据预处理，S3.光谱重构神经网络构建，S4.模型训练，S5.多目标优化，S6.模型测试。本发明在构建的光谱重构神经网络中，通过结合光谱物理标定误差和多目标优化算法对神经网络进行优化，提高了光谱的重构精度和效率。

本发明授权一种基于光谱物理标定实现光谱重构的方法在权利要求书中公布了：1.一种基于光谱物理标定实现光谱重构的方法，其特征在于，包括如下步骤： S1.数据采集： 采集并记录不同波长下的光电流序列Eij、器件偏压V、响应度A以及人工检测的光强值I，生成原始数据集； S2.光谱-电学联合数据预处理： 对原始数据集中的每一项数据进行对数归一化处理和标签数据归一化处理，得到神经网络的输入数据集； S3.光谱重构神经网络构建： 构建具有物理约束嵌入的光谱重构神经网络，实现光谱特征的高保真重建，光谱重构神经网络包含级联的输入层、残差块组、输出层； 所述输入层的输入数据为光电流序列Eij、器件偏压V、响应度A，人工检测的光强值I为真值标签； 所述残差块组，包括至少一个稠密残差块和至少一个恒等残差块，且两者交错设置； 所述稠密残差块，通过全连接层、批量归一化以及ReLU激活函数堆叠构成，实现特征非线性映射； 所述恒等残差块，用于保留原始特征路径，避免梯度消失； 所述输出层，采用2048维全连接层，对残差块组输出的数据进行高分辨率的重建，输出对应波长的预测光强值； S4.模型训练： 将步骤S2得到的输入数据集分为训练集和测试集；使用均方误差作为损失函数，利用训练集对光谱重构神经网络进行训练，通过反向传播算法优化光谱重构神经网络的模型参数，得到初步训练完成的光谱重构神经网络； S5.多目标优化： 在初步训练完成后的光谱重构神经网络中再引入多目标优化算法，通过最小化模型预测值与实际值之间的差异，进一步优化光谱重构神经网络参数和模型的稀疏性、复杂度，得到训练好的光谱重构神经网络； 所述多目标优化算法的目标函数Lall为： Lall＝λ1LDL+λ2LRE+λ3LAE， 其中，LDL为光强预测误差，为光谱重构神经网络的光强预测值，Ii为人工检测的第i个通道的光强值，n为通道总数； LRE采用L1正则化作为稀疏性正则化项，wk表示光谱重构神经网络中的第k个权重，K表示权重数量； LAE为光谱物理标定误差，Aiλ表示与波长λ相关的第i个通道的响应度，Iijλ表示与波长λ相关的第i个通道中的第j个光强值，λ0、λq分别表示激光器的波长下限和波长上限； S6.模型测试： 采用测试集对光谱重构神经网络进行测试验证，当光谱重构神经网络输出的预测光强值满足误差要求，则光谱重构神经网络能够用于基于光谱物理标定实现光谱重构。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。