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！

龙图腾网获悉南充市农业科学院;南充市农业农村局;南充市种子质量监督检验站申请的专利一种基于迁移学习的赶黄草种子检验数据校正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：CN121278494B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511842179.X，技术领域涉及：G06F18/241；该发明授权一种基于迁移学习的赶黄草种子检验数据校正方法是由林显凤;尚玥;蔡锂;游宇;赵长坤;白梓嵩;白体坤;杨腾设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本一种基于迁移学习的赶黄草种子检验数据校正方法在说明书摘要公布了：本发明公开了一种基于迁移学习的赶黄草种子检验数据校正方法，属于种子质量检验技术领域。该方法通过采集标准设备在标准环境下的基准数据与不同检测设备、环境条件下的目标数据，构建设备‑环境误差数据库并拟合误差影响函数，将基准数据设为源域、目标数据设为目标域，训练域适应迁移校正模型校正目标域数据，再动态更新分类阈值，将校正后数据映射至统一特征空间验证一致性，最终输出跨实验室通用的标准化结果及数据溯源信息。该方法有效消除系统误差，实现检验数据标准化，提升校正精准度与数据复用性，保障结果可靠性与可追溯性，为种子检验规范化提供技术支撑。

本发明授权一种基于迁移学习的赶黄草种子检验数据校正方法在权利要求书中公布了：1.一种基于迁移学习的赶黄草种子检验数据校正方法，其特征在于，包括以下步骤： S1.采集标准设备在标准环境下的赶黄草种子检验基准数据，同时采集不同检测设备、不同环境条件下的赶黄草种子检验目标数据，所述检验数据包括种子图像数据、光谱数据及对应的种子质量指标关联数据； S2.基于采集的基准数据和目标数据建立设备-环境误差数据库，通过分析基准数据与目标数据的差异拟合误差影响函数，将标准设备的基准数据设定为源域数据，将不同条件下的目标数据设定为目标域数据，训练域适应迁移校正模型，利用域适应迁移校正模型对目标域数据进行灰度值校正、光谱波段对齐处理； S3.基于校正后的目标域数据与基准数据的特征分布，采用统计分析算法动态更新赶黄草种子检验的分类阈值，得到标准化的校正数据及统一分类标准； S4.将不同来源的校正后数据映射至统一特征空间，验证数据标准化后的一致性，输出跨实验室通用的赶黄草种子检验标准化结果及数据溯源信息； 其中，步骤S2中训练域适应迁移校正模型包括以下子步骤： S201.分别对源域数据和目标域数据进行特征提取，通过深度神经网络的特征提取层获取高维特征向量，对特征向量进行L2归一化处理后，采用最大均值差异算法量化源域与目标域的特征分布差异度，表达式为：； 其中，MMD为最大均值差异，X为源域特征集合，Y为目标域特征集合，为适配高维特征的核函数映射，为期望算子，通过该公式计算得到源域与目标域在再生核希尔伯特空间中的分布距离； S202.构建包含特征提取器、域判别器和校正器的对抗训练网络，特征提取器负责输出域不变特征，域判别器通过二分类任务区分特征来自源域还是目标域，校正器基于域不变特征对目标域数据进行校正，将分类损失、域适应损失作为联合损失函数优化模型的参数，分类损失用于保证源域数据的质量指标预测准确性，域适应损失基于MMD计算结果最小化域间差异，通过交替训练特征提取器与域判别器完成模型训练； 其中，步骤S3中动态更新分类阈值时，基于校正后数据的统计特征构建概率密度分布模型，采用核密度估计算法估计不同质量指标对应的特征分布曲线，确定特征分布曲线的拐点区间作为分类阈值的初始范围，结合基准数据的分类阈值分布规律，对初始范围进行收缩调整，得到适配标准化数据的分类阈值。

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南充市农业科学院;南充市农业农村局;南充市种子质量监督检验站，其通讯地址为：637000 四川省南充市顺庆区北湖路农科巷137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。