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！

龙图腾网获悉上海交通大学;上海海关工业品与原材料检测技术中心申请的专利激光诱导击穿光谱的多元素分析方法和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：CN117291251B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311227238.3，技术领域涉及：G06N3/09；该发明授权激光诱导击穿光谱的多元素分析方法和系统是由段晨阳;俞进;孙琛;刘曙;闵红设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本激光诱导击穿光谱的多元素分析方法和系统在说明书摘要公布了：本发明提供了一种激光诱导击穿光谱的多元素分析方法和系统，包括：步骤S1：建模样品准备和光谱采集；步骤S2：光谱预处理和正则化；步骤S3：XGBoost模型构建和训练；步骤S4：XGBoost模型预测值残差计算；步骤S5：光谱通道重要性计算和光谱特征提取；步骤S6：神经网络模型构建和其针对残差值的训练；步骤S7：使用独立样品进行串联组合模型测试；步骤S8：根据测试结果进行光谱特征数优化和最终模型应用。本发明在应用时具有正向推理过程计算量低，速度快，模型简单的优势，能节约算力，降低对终端分析设备的硬件需求。

本发明授权激光诱导击穿光谱的多元素分析方法和系统在权利要求书中公布了：1.一种激光诱导击穿光谱的多元素分析方法，其特征在于，包括： 步骤S1：建模样品准备和光谱采集：准备具有待测定的第个目标元素含量梯度的样品个，及对应的目标元素标签含量张量，记为，，为目标元素个数，，为样品个数，任意地将样品分为训练样品集，包含个样品，和测试样品集，包含个样品，，使用激光诱导击穿光谱法，在优化的实验条件下，以每一样品进行多次重复测量的形式，采集所有样品的原始重复光谱，记为原始光谱强度张量，其中元素对应第个样品的第个重复光谱的个光谱通道的光谱强度，，，为第个样品的原始重复光谱数，第个样品的第张原始重复光谱的光谱通道数； 步骤S2：光谱预处理和正则化：对所有样品的所有原始重复光谱分别进行预处理，得所有样品的预处理重复光谱强度张量，其中元素对应第个样品的第个预处理重复光谱的第个光谱通道的光谱强度，，，为第个样品的预处理重复光谱数，第个样品的第张预处理重复光谱的光谱通道数，对训练样品预处理重复光谱集和测试样品预处理重复光谱集分别进行针对给定光谱通道的正则化处理，先对进行运算，所获得的正则化参数以光谱通道一一对应的形式传递给进行运算，分别获得训练样品和测试样品正则化预处理重复光谱集和； 步骤S3：XGBoost模型构建和训练：设置回归树的最大数量、最大深度、及最小叶节点权重，确定模型的整体学习率，输入训练数据组，针对第个目标元素，在监督学习的范式下，将输入数据动态地分成训练集和验证集，交叉验证，训练得XGBoost回归模型； 步骤S4：XGBoost模型预测值残差计算：将输入XGBoost模型，得定标预测输出，其中元素为第个样品的针对第个目标元素的XGBoost模型预测值，通过第个样品的个预处理重复光谱的各自独立预测值的平均得到，计算定标残差矢量； 步骤S5：光谱通道重要性计算和光谱特征提取：针对训练样品集，使用相关性数据分析算法，计算给定光谱通道的正则化预处理光谱强度与对应样品定标残差的相关值，将光谱通道进行从高相关值到低相关值排序，选取相关值最高的个光谱通道，作为特征光谱通道，获训练样品特征重复光谱集，，标注被选取的光谱通道，将同样的光谱通道标注应用于测试样品集，获测试样品特征重复光谱集； 步骤S6：神经网络模型构建和其针对残差值的训练：确定神经网络结构，包括具有与步骤S5中提取的光谱特征相匹配的个神经元的输入层，多个隐藏层，和用来输出预测含量值的单个神经元的输出层，输入训练数据组，针对第个目标元素，在监督学习范式下训练神经网络回归模型，将输入数据动态地分成训练集和验证集，交叉验证，模型参数循环迭代，损失函数梯度下降，直至预期值，模型训练终止，输出模型定标性能参量，包括定标均方根误差RMSEC和定标相对误差REC； 步骤S7：使用独立样品进行串联组合模型测试：测试样品正则化预处理重复光谱集输入XGBoost模型，得测试预测输出，其中元素为第个样品的针对第个目标元素的XGBoost模型预测值，通过第个样品的个预处理重复光谱的各自独立预测值的平均得到，测试样品特征重复光谱集输入步骤S6中所得神经网络模型，得测试预测输出，其中元素为第个测试样品的针对第个目标元素的神经网络模型预测值，通过第个样品的个特征重复光谱的各自独立预测值的平均得到，同时计算上述各自独立预测值的标准偏差，计算串联组合模型针对第个目标元素的预测含量值，其误差为，与测试样品第个目标元素的含量标签值比较，计算得串联组合模型预测性能参量，包括预测均方根误差RMSEP和预测相对误差REP； 步骤S8：根据测试结果进行光谱特征数优化和最终模型应用：在一个循环中通过改变，均衡优化步骤S6中的RMSEC、REC和步骤S7中的RMSEP、REP，获优化光谱特征值数，以此训练神经网络，与之对应的串联组合模型预测性能参量用于评价将模型使用于未知物质或材料时，在按相同的方法制备样品，相同的方法进行实验，相同的光谱预处理和正则化的条件下，模型的元素含量预测性能。

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上海交通大学;上海海关工业品与原材料检测技术中心，其通讯地址为：200240 上海市闵行区东川路800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。