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！

龙图腾网获悉香港科技大学(广州)申请的专利基于迁移学习的多源融合光谱跨域高精度预测方法及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：CN121170510B 。

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：202511705068.4，技术领域涉及：G06V10/80；该发明授权基于迁移学习的多源融合光谱跨域高精度预测方法及系统是由陈鹏;宿清华;马舒畅;朱鹏;和志昌;邓德周;贾卜珲;仪秋枫;杨波设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本基于迁移学习的多源融合光谱跨域高精度预测方法及系统在说明书摘要公布了：本发明提出了一种基于迁移学习的多源融合光谱跨域高精度预测方法及系统，该方法包括以下步骤：S1，获取光谱成像设备在多个波长下采集的光谱图；S2，对光谱图提取多种类型特征；S3，融合模型训练，得到训练好的融合模型；S4，将待预测光谱输入到训练好的融合模型中输出结果。本发明能够在普通工业相机系统中达10‑‑44nm级别波长预测，达到超越科研级光栅光谱仪0.001～0.002nm水平；在窄带、中带、宽带多场景跨域数据集上，本发明可将平均绝对误差MAE由纳米级降至10‑4‑4nm量级，并在噪声、特征缺失及少样本条件下保持优良的鲁棒性。

本发明授权基于迁移学习的多源融合光谱跨域高精度预测方法及系统在权利要求书中公布了：1.一种基于迁移学习的多源融合光谱跨域高精度预测方法，其特征在于，包括以下步骤： S1，获取光谱成像设备在多个波长下采集的光谱图； S2，对光谱图提取多种类型特征；在步骤S2中多种类型特征包括亮度统计特征、梯度特征、形态轮廓特征、信息熵特征；在步骤S2中还包括光谱物理与带宽感知自适应加权，其包括先进行带宽判断来选择形态轮廓特征中的线性特征和非线性特征的权重，再对形态轮廓特征进行加权后使用； S3，融合模型训练，得到训练好的融合模型；在步骤S3中还包括域差异诊断和多策略迁移学习，域差异诊断用于评估新域与基础域之间数据特征分布的偏移程度；多策略迁移学习包括根据诊断结果来选择新域迁移学习策略A或策略B； 策略A为增强融合+智能特征选择迁移学习，包括最终预测： ， 其中，表示增强融合模型对新域数据集的最终预测输出结果；表示基础融合模型预测结果的权重系数；表示基础融合模型对经过特征选择后得到测试集的融合预测结果；表示增强校正模型预测结果的权重系数；表示训练好的增强校正模型的预测函数，输入一个特征向量或样本数据，即可输出校正或调整值，用于对基础预测进行误差修正或细化调整；表示经过特征增强后的新域增强特征矩阵； ，表示基础融合模型，基础融合模型是多个基模型经加权融合或简单平均融合得到的模型；表示经过特征选择后得到的新域特征矩阵； 策略B为残差校正迁移学习，包括最终预测： ，表示残差校正模型对新域数据集的最终预测输出；表示基础融合模型对新域数据集的预测结果；表示残差回归模型；表示新域数据集的特征矩阵； ， S4，将待预测光谱输入到训练好的融合模型中输出波长预测结果。

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香港科技大学(广州)，其通讯地址为：511453 广东省广州市南沙区笃学路1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。