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！

龙图腾网获悉西北工业大学申请的专利基于配体识别机制与厌恶性训练的昆虫仿生气味探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：CN119538064B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411521764.5，技术领域涉及：G06F18/2411；该发明授权基于配体识别机制与厌恶性训练的昆虫仿生气味探测方法是由卢慧甍;陈俊杰;林晨;杨欣冉;段苏扬;徐畅设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于配体识别机制与厌恶性训练的昆虫仿生气味探测方法在说明书摘要公布了：本发明公开了一种基于配体识别机制与厌恶性训练的昆虫仿生气味探测方法，涉及生物探测技术领域，包括基于配体识别机制对昆虫和目标VOC进行匹配；对匹配的昆虫和目标VOC进行厌恶性嗅觉训练；对厌恶性嗅觉训练完成的昆虫和目标VOC，基于CNN混合模型对各种昆虫的识别及其空间分布进行判别，获得昆虫空间分布与气味源的关系；基于昆虫空间分布与气味源的关系，利用多点识别描绘昆虫目标区域的VOC分布地图，完成基于配体识别机制与厌恶性训练的昆虫仿生气味探测。本发明解决了现有方法检测灵敏度、重复性和稳定性不够优越的问题。

本发明授权基于配体识别机制与厌恶性训练的昆虫仿生气味探测方法在权利要求书中公布了：1.一种基于配体识别机制与厌恶性训练的昆虫仿生气味探测方法，其特征在于，包括以下步骤： S1：基于配体识别机制对昆虫和目标VOC进行匹配； 所述S1中包括以下分步骤： S11：将目标VOC与iORbase数据库中所用昆虫能够嗅到的分子进行搜索对比； S12：基于搜索对比结果，判断目标VOC是否为iORbase数据库中已有的，如果是，则完成昆虫和目标VOC的匹配，如果否，则利用分子模拟技术更换训练昆虫，完成昆虫和目标VOC的匹配； S2：对匹配的昆虫和目标VOC进行厌恶性嗅觉训练； S3：对厌恶性嗅觉训练完成的昆虫和目标VOC，基于CNN混合模型对各种昆虫的识别及其空间分布进行判别，获得昆虫空间分布与气味源的关系； 所述S3中包括以下分步骤： S31：将厌恶性嗅觉训练完成的昆虫置于透明白底八角笼中，在所述透明白底八角笼外放置包含目标VOC的气味源，观察昆虫在所述透明白底八角笼中的空间分布数据、密度分布数据和形成稳定分布所需时间数据； S32：将空间分布数据、密度分布数据和形成稳定分布所需时间数据进行数据预处理； S33：利用预处理后的空间分布数据、密度分布数据和形成稳定分布所需时间数据对CNN混合模型进行训练和评估，获得最终的CNN混合模型； S34：将最终的CNN混合模型部署到实际应用场景中，用于对各种昆虫的识别及其空间分布进行判别，获得昆虫空间分布与气味源的关系； 所述S33中CNN混合模型包括依次连接的CNN特征提取层、特征处理及融合层和其他模型层； 所述CNN特征提取层包括依次连接的输入层、卷积层、激活层和池化层，所述输入层用于接收图像数据，所述卷积层使用多个卷积核提取图像的局部特征，所述激活层应用ReLU激活函数，所述池化层用于降低特征维度，同时保留重要信息； 所述特征处理及融合层包括全连接层，所述全连接层将CNN特征提取层提取的特征平展为一维向量； 所述其他模型层包括依次连接的循环层和分类回归层，所述循环层采用长短期记忆网络LSTM，用于处理序列数据，所述分类回归层使用全连接层进行分类任务、回归任务或接入支持向量机SVM进行预测任务； S4：基于昆虫空间分布与气味源的关系，利用多点识别描绘昆虫目标区域的VOC分布地图，完成基于配体识别机制与厌恶性训练的昆虫仿生气味探测。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。