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！

龙图腾网获悉中国检验认证集团河北有限公司申请的专利基于增量学习驱动的品质参数检测模型构建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：CN120932777B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511460516.9，技术领域涉及：G16C20/70；该发明授权基于增量学习驱动的品质参数检测模型构建方法是由陈海林;武治峰;张晓艳;左玉昊;王斌;赵金秋;罗汇丰;张欣欣;宣楠;刘永娇;房立冬;邹亮设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本基于增量学习驱动的品质参数检测模型构建方法在说明书摘要公布了：本发明涉及光谱分析与智能检测的技术领域，尤其涉及一种基于增量学习驱动的品质参数检测模型构建方法。其包括：构建用于对待检物质进行品质参数预测的参数预测基本模型，并提供与所述待检物质对应的训练数据组，利用训练数据组内的训练数据集对参数预测基本模型进行基于增量学习驱动的模型训练，以经模型训练后生成品质参数检测模型。本发明能有效构建形成品质参数检测模型，降低实际应用中品质参数检测模型部署的时间与计算成本，且部署的品质参数检测模型可有效缓解推理时的灾难性遗忘，实现在动态环境下的高效自适应更新，显著延长了品质参数检测模型的生命周期，降低采用近红外光谱进行品质参数检测的成本，提高品质参数检测的可靠性与精度。

本发明授权基于增量学习驱动的品质参数检测模型构建方法在权利要求书中公布了：1.一种基于增量学习驱动的品质参数检测模型构建方法，其特征是，所述品质参数检测模型构建方法包括： 构建用于对待检物质进行品质参数预测的参数预测基本模型，并提供与所述待检物质对应的训练数据组，其中， 所述训练数据组内包括至少两个训练数据集，所有训练数据集的光谱分布特征至少呈不完全匹配状态，且每个训练数据集内均包括与待检物质相关的若干训练样本； 对任一训练样本，所述训练样本包括训练近红外光谱数据以及表征所述待检物质品质参数状态的训练参数标签，所述训练参数标签与所述训练近红外光谱数据呈正对应； 利用训练数据组内的训练数据集对参数预测基本模型进行基于增量学习驱动的模型训练，以经模型训练后生成品质参数检测模型，其中， 执行基于增量学习驱动的模型训练时，包括： 将一个训练数据集配置作为基础集，并将其余的训练数据集分别作为增量集， 利用基础集对参数预测基本模型进行基础训练，此后利用增量集分别执行一次增量学习，以在执行所有的增量学习后生成品质参数检测模型；制作每个训练样本内的训练近红外光谱数据时，包括： 获取与每个训练近红外光谱数据对应的近红外光谱源数据，并对所述近红外光谱源数据进行预处理，以在预处理后生成训练近红外光谱数据，其中， 所述近红外光谱源数据经近红外光谱采集生成； 对近红外光谱源数据进行的预处理包括标准正态变换处理和或基于Huber正则化自适应非对称最小二乘基线校正处理； 当对近红外光谱源数据进行的预处理同时包括标准正态变换处理和基于Huber正则化自适应非对称最小二乘基线校正处理时，则对近红外光谱源数据依次进行标准正态变换处理与基于Huber正则化自适应非对称最小二乘基线校正处理； 进行基于Huber正则化自适应非对称最小二乘基线校正处理时，则有： 其中，为最终基线估计数据，为训练近红外光谱数据、近红外光光谱源数据对应波数点的总数，为第n个波数点的残差，表示第n个波数点对应的权重，为与近红外光光谱源数据对应的平滑约束项，为近红外光谱校正基数据内的第n个波数点的吸收度，为基于近红外光谱校正基数据生成的初始基线估计数据内的第n个波数点的吸收度，为对吸收度进行的二阶差分； 当进行的预处理仅包括基于Huber正则化自适应非对称最小二乘基线校正处理时，则近红外光谱校正基数据为近红外光谱源数据； 当进行的预处理包括标准正态变换处理和基于Huber正则化自适应非对称最小二乘基线校正处理时，则对近红外光谱源数据进行标准正态变换处理后生成所述近红外光谱校正基数据； 对最终基线估计数据进行多项式拟合，以在多项式拟合后生成最终基线拟合数据； 将近红外光谱校正基数据与最终基线拟合数据作差，以形成数据差值，并将所述数据差值配置作为训练近红外光谱数据。

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检验认证集团河北有限公司，其通讯地址为：050000 河北省石家庄市新华区翔翼路2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。