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！

龙图腾网获悉中国科学院上海技术物理研究所申请的专利基于深度CNN和样本权重优化的LIBS多距离混合光谱分类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：CN119992219B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510266824.1，技术领域涉及：G06V10/764；该发明授权基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法是由李鲁宁;崔志成;张绪辰;徐卫明;舒嵘;许学森;刘向锋;王建宇设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法在说明书摘要公布了：本发明公开了一种基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法，涉及光谱分析技术。本发明构建深度卷积神经网络CNN模型，并用于激光诱导击穿光谱LIBS数据的分类，适用于分析在多个不同距离采集的LIBS光谱混合数据。本发明的核心创新点是在CNN训练过程中对不同距离的光谱样本赋予不同的样本权重。常规的模型训练方法对所有训练集光谱样本赋予均等的权重，而本发明则根据训练集光谱样本的绝对距离值以及训练集光谱样本与测试集光谱样本的距离差值来专门设计各光谱样本权重，使不同距离光谱样本权重得到优化，从而提升深度CNN模型的分类效果。本发明具有无需距离校正、训练高效、准确度高的优点，可以有效地对LIBS多距离混合光谱进行分类。

本发明授权基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法在权利要求书中公布了：1.一种基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法，其特征在于，在深度CNN训练过程中对不同距离的光谱样本赋予不同的样本权重，即根据训练集光谱样本的绝对距离值以及训练集光谱样本与测试集光谱样本的距离差值来专门设计各光谱样本权重，使不同距离光谱样本权重得到优化，从而提升深度CNN模型的分类效果； 按照P个不同探测距离，将LIBS多距离混合光谱数据集划分为P个LIBS光谱数据集； 在深度CNN模型训练过程中，将优化后的训练集光谱样本权重输入模型；训练集光谱样本权重优化方案的设计思路如下：一方面，近距离探测的光谱信噪比相对较高，理应受到模型较多关注，远距离探测的光谱信噪比相对较低，理应受到较少关注；另一方面，训练集光谱样本与测试集光谱样本的相对距离也会影响分类效果，与测试集对应的探测距离相接近的训练集光谱样本理应受到模型较多关注，而与实际测试集对应的探测距离相差较大的训练集光谱样本理应受到较少关注； 训练集光谱样本权重设计为由绝对距离权重wK1和相对距离权重wK2两部分组成；光谱数据集dK中光谱样本的绝对距离权重wK1设计为 ，其中rK表示光谱数据集dK所对应的探测距离；当以光谱数据集dQ作为测试集时，光谱数据集dK中光谱样本的相对距离权重wK2设计为 ，其中rQ表示测试集dQ所对应的探测距离；光谱数据集dK中光谱样本的距离总权重wK为 ，将距离总权重wK进行归一化，使其成为0到1之间的无量纲值，光谱数据集dK中光谱样本的归一化距离总权重wK,norm为 ，其中K=1,2,Q-1,Q+1,P；在深度CNN模型训练过程中，将计算得到的wK,norm作为光谱数据集dK的训练集光谱样本权重。

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中国科学院上海技术物理研究所，其通讯地址为：200083 上海市虹口区玉田路500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。