Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安工程大学朱耀麟获国家专利权

西安工程大学朱耀麟获国家专利权

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!

龙图腾网获悉西安工程大学申请的专利一种基于近红外光谱的羊毛羊绒纤维鉴别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:CN119649049B

龙图腾网通过国家知识产权局官网在2025-11-04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:202411760800.3,技术领域涉及:G06V10/44;该发明授权一种基于近红外光谱的羊毛羊绒纤维鉴别方法是由朱耀麟;陈龙;陈鑫;陈锦妮;顾梅花;李云红设计研发完成,并于2024-12-03向国家知识产权局提交的专利申请。

一种基于近红外光谱的羊毛羊绒纤维鉴别方法在说明书摘要公布了:本发明公开了一种基于近红外光谱的羊毛羊绒纤维鉴别方法,包括以下步骤:步骤一、建立近红外光谱数据集;步骤二、预处理,得到光谱样本集;步骤三、生成增强样本,构成正负样本对;步骤四、构建自监督学习的前置任务模型:步骤五、构建自监督学习的下游任务模型;步骤六、前置任务模型和SVM分类器组成基于近红外光谱的自监督学习模型,利用近红外光谱的自监督学习模型进行分类。本发明结构简单、设计合理,基于谱带缩放、局部平滑扰动和谱峰偏移进行样本增强,自动生成正负样本对,从而降低了数据标注的成本和时间;通过前置任务模型提取到更深层次的特征,提高羊毛与羊绒纤维鉴别的精度和效率,具有广阔的应用前景。

本发明授权一种基于近红外光谱的羊毛羊绒纤维鉴别方法在权利要求书中公布了:1.一种基于近红外光谱的羊毛羊绒纤维鉴别方法,其特征在于:包括以下步骤: 步骤一、采集r类羊毛样本的近红外光谱数据,采集m类羊绒样本的近红外光谱数据,构成近红外光谱数据集; 步骤二、对近红外光谱数据集中的近红外光谱数据进行预处理,得到光谱样本; 步骤三、对光谱样本分别生成增强样本,第q类光谱样本和其增强样本组成正样本对,第q类光谱样本和第p类光谱样本组成负样本对,1≤g≤r,1≤p≤m,g和p为正整数; 步骤四、构建自监督学习的前置任务模型: 步骤401、前置任务模型包括输入层、i通道的卷积神经网络、特征融合层、全连接层1和全连接层2; 步骤402、将正样本对和负样本对分别划分为多个波长块Bi,i表示波长块的个数,n≥i≥2,n为正整数; 步骤403、将正样本对的波长块分别输入到前置任务模型中,前置任务模型输出正样本对的数值型特征向量;将负样本对的波长块分别输入到前置任务模型中,前置任务模型输出负样本对的数值型特征向量; 步骤404、计算正负样本对的数值型特征向量之间的相似度,以此构建对比损失函数,更新前置任务模型的网络参数,得到构建完成的前置任务模型; 步骤五、构建自监督学习的下游任务模型:将数值型特征向量作为分类网络模型输入,训练分类网络模型,得到构建完成的分类网络模型; 步骤六、构建完成的前置任务模型和构建完成的分类网络模型组成基于近红外光谱的自监督学习模型,利用近红外光谱的自监督学习模型对待测样品进行分类。

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西安工程大学,其通讯地址为:710048 陕西省西安市金花南路19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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。