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！

龙图腾网获悉江苏省农业科学院申请的专利一种混合渔药拉曼光谱检测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：CN119715492B 。

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：202411775246.6，技术领域涉及：G01N21/65；该发明授权一种混合渔药拉曼光谱检测方法是由陈珊;徐郭海林;陈敬文;皮杰;夏礼如设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种混合渔药拉曼光谱检测方法在说明书摘要公布了：本发明公开一种结合数据增强方法和RA‑CTNet模型的混合渔药拉曼光谱检测方法，通过结合化学计量法和实验随机误差模拟法扩充数据以减少数据库搭建成本，提高模型鲁棒性。在模型搭建上，充分利用了CNN在局部特征提取上的优势和Transformer在全局特征建模上的能力，采用了预训练和迁移学习的训练策略，有效利用了单一渔药的丰富特征信息，提高了混合渔药预测的准确性，实现复杂混合样本下的纳摩尔级浓度混合物定量检测。相对现有技术，本发明技术方案目的在于养殖水体中禁用渔药检测，在低数据样本下实现纳摩尔级浓度的禁药定量检测，旨在提高拉曼光谱检测的准确性和鲁棒性，对混合渔药的快速定性和定量分析。

本发明授权一种混合渔药拉曼光谱检测方法在权利要求书中公布了：1.一种混合渔药拉曼光谱检测方法，其特征在于，包括以下步骤： 步骤S1：根据目标检测物质的拉曼光谱特性及拉曼光谱仪检测波段对全波段的拉曼光谱进行截取，随后对样本中拉曼光谱基线漂移进行校正，消除不同光谱间的强度差异及随机误差； 步骤S2：输入光谱数据后，将对应的光谱数据使用添加随机误差转化扩增数据和模拟周期性环境干扰扩增数据和通过化学计量法生成不同浓度光谱数据以扩增数据；化学计量法生成基于拉曼峰强度和形状，重构光谱数据； 在室外场景或设备不稳定，原始数据中存在较多的随机误差时，添加随机误差转化扩增数据量、模拟周期性环境干扰扩增数据量、通过化学计量法生成不同浓度光谱数据以扩增数据量的比例为4:3:2； 周期性干扰显著且设备影响较大时，添加随机误差转化扩增数据量、模拟周期性环境干扰扩增数据量、通过化学计量法生成不同浓度光谱数据以扩增数据量的比例为2:4:3； 在实验随机误差很小时，化学计量法数据重要性较高时，添加随机误差转化扩增数据量、模拟周期性环境干扰扩增数据量、通过化学计量法生成不同浓度光谱数据以扩增数据量的比例为3:3:3； 步骤S3：接收经过预处理和数据扩增后的光谱数据，输入光谱数据表示为一维向量； 步骤S4：使用单一物质的拉曼光谱数据及其对应的浓度标签，经过预处理和数据增强搭建预训练模型； 步骤S5：将预训练数据集输入模型，进行前向传播，计算预测值； 步骤S6：读取物质浓度预测值，计算损失函数值；根据损失函数值作为参考，反向传播，更新模型参数，并重复步骤S5-S6，直至损失函数值不再降低，或损失函数值达到预测精度要求，预训练完成后，保存模型参数，供后续混合样品迁移学习使用； 步骤S7：使用混合渔药的拉曼光谱数据及其对应的各渔药浓度标签，经过预处理和数据增强后，作为迁移学习的数据集； 步骤S8：将混合样数据集输入模型，加载预训练模型参数，冻结卷积层的参数，仅对编码器和全连接层进行训练，进行前向传播，计算预测值； 步骤S9：针对多种渔药的浓度回归任务，采用混合样均方误差作为损失函数； 步骤S10：根据混合样均方误差值作为参考，反向传播，更新模型参数并重复步骤S8-S9过程，直到混合样均方误差值多轮不再降低，或混合样均方误差值达到预测精度要求，训练完成后，保存最终模型参数。

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江苏省农业科学院，其通讯地址为：210014 江苏省南京市玄武区钟灵街50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”。