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！

龙图腾网恭喜潍坊科技学院;山东潍科软件科技有限公司申请的专利基于光谱分析和机器学习的茶树耐氟性评估系统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：CN119091266B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202411177085.0，技术领域涉及：G06V10/80；该发明授权基于光谱分析和机器学习的茶树耐氟性评估系统是由孟令彬;李春雷;唐玉海;刘效伟设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本基于光谱分析和机器学习的茶树耐氟性评估系统在说明书摘要公布了：本发明属于光谱分析技术领域，具体涉及基于光谱分析和机器学习的茶树耐氟性评估系统。所述系统包括：光谱数据采集及处理单元、光谱特征提取及分析单元和耐氟性评估单元；所述光谱数据采集及处理单元，用于通过高光谱成像仪器采集目标茶树区域的光谱信息；所述光谱特征提取及分析单元，用于对计算出的光谱反射率进行噪声抑制与信号增强，得到预处理结果；对小波分解结果与叶绿素荧光响应指数，使用基于机器学习的非线性特征融合，得到特征融合结果；所述耐氟性评估单元，用于根据特征融合结果，计算耐氟性指数。本发明有效解决了现有技术中存在的数据处理复杂性高、分析方法局限性大、动态监测不足等问题。

本发明授权基于光谱分析和机器学习的茶树耐氟性评估系统在权利要求书中公布了：1.基于光谱分析和机器学习的茶树耐氟性评估系统，其特征在于，所述系统包括：光谱数据采集及处理单元、光谱特征提取及分析单元和耐氟性评估单元；所述光谱数据采集及处理单元，用于通过高光谱成像仪器采集目标茶树区域的光谱信息，计算目标茶树区域在不同波长下的光谱反射率；所述光谱特征提取及分析单元，用于对计算出的光谱反射率进行噪声抑制与信号增强，得到预处理结果，根据预处理结果，对目标茶树区域的氟敏感波段进行特征提取，得到氟敏感特征，根据叶绿素的波长，计算目标茶树区域的叶绿素荧光响应指数；对预处理结果进行光谱积分变换后，再进行多尺度小波分解，得到小波分解结果；对小波分解结果与叶绿素荧光响应指数，使用基于机器学习的非线性特征融合，得到特征融合结果；所述耐氟性评估单元，用于根据特征融合结果，计算耐氟性指数；所述光谱数据采集及处理单元，使用如下公式，计算目标茶树区域在不同波长下的光谱反射率： ；其中，为波长时的光谱反射率；为波长时，高光谱成像仪器接收到的辐射亮度；为日地距离；为波长时的太阳光谱辐照度；为太阳天顶角；为观测天顶角；为大气光学厚度；光谱特征提取及分析单元，通过如下公式，对计算出的光谱反射率进行噪声抑制与信号增强，得到预处理结果： ；其中，为预处理结果；为高斯滤波函数，为标准差；为基于信噪比自适应调整的增强系数，取值范围为0.2到1.5；表示计算的二阶导；通过如下公式，根据预处理结果，对目标茶树区域的氟敏感波段进行特征提取，得到氟敏感特征： ；其中，为波长为时的归一化氟差异指数；为波长为时的氟胁迫比率指数；为波长为时的氟吸收带积分指数；为第一权重系数；为第二权重系数；为第三权重系数；使用如下公式进行计算： ；其中，为不受氟影响的参考波长；为氟元素的主要特征吸收波长，等于680纳米；为氟吸收带宽，等于20纳米；使用如下公式进行计算： ；其中，为红光波段；为近红外波段；为叶片氟含量；为氟浓度响应系数，等于0.5；使用如下公式进行计算： ；其中，表示氟吸收带积分区间，为氟吸收带积分区间的下限；为氟吸收带积分区间的上；第一权重系数使用如下公式进行计算： ；其中，为氟含量阈值，等于50ppm；为第一调节系数，取值范围为8到12；第二权重系数使用如下公式进行计算： ；其中，RES为光谱分辨率；为第二调节系数，取值范围为0.09到0.13；第三权重系数使用如下公式进行计算： ；通过如下公式，计算目标茶树区域的叶绿素荧光响应指数： ；其中，表示波长为740纳米时的氟敏感特征；表示波长为690纳米时的氟敏感特征；为光系统II的量子产率；为光系统II的最大量子产率；为光合有效辐射；为参考光合有效辐射；代表一天中的小时时间，取值为0到24的整数；为叶片温度；为光合作用的最优温度；为温度响应系数；为非光化学淬灭值；为最大非光化学淬灭值；使用如下公式计算得到： ；其中，为光适应状态下的最大荧光产量；为稳态荧光产量；使用如下公式进行计算： ；其中，为暗适应状态下的最大荧光产量；通过如下公式，对预处理结果进行光谱积分变换： ；其中，为进行光谱积分变换的结果；为积分区间；为中心波长；为积分窗口宽度；使用如下公式，进行多尺度小波分解，得到小波分解结果： ；其中，为小波分解结果；为Morlet小波母函数；为尺度参数；为积分变量；对小波分解结果与叶绿素荧光响应指数，使用基于机器学习的非线性特征融合，得到特征融合结果时，通过sigmoid函数引入非线性，预先定义小波分解结果的权重矩阵、叶绿素荧光响应指数的权重矩阵和偏置，使用单层的神经网络对小波分解结果和叶绿素荧光响应指数进行非线性特征融合，得到特征融合结果；所述耐氟性评估单元，根据特征融合结果，通过如下公式，计算耐氟性指数： ；其中，为未修正耐氟性指数；为修正后的光化学植被指数；为标准光化学植被指数；为光化学植被指数敏感度，等于0.1；使用如下公式进行计算： ；其中，为氟在不同波长的吸收系数函数；为红边位置响应系数；使用如下公式计算得到： 。

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潍坊科技学院;山东潍科软件科技有限公司，其通讯地址为：262700 山东省潍坊市寿光市金光街1299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”。