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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利结合小波变换和轻量卷积神经网络的LIBS定量分析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：CN115839942B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211549413.6，技术领域涉及：G01N21/71；该发明授权结合小波变换和轻量卷积神经网络的LIBS定量分析方法是由孙兰香;于海斌;陈彤;齐立峰设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本结合小波变换和轻量卷积神经网络的LIBS定量分析方法在说明书摘要公布了：本发明涉及光谱分析领域，具体是一种结合小波变换和轻量卷积神经网络的LIBS定量分析方法。具体步骤为：1光谱采集。基于激光诱导击穿光谱LIBS技术采集光谱数据；2数据集划分。将数据划分为训练集、验证集和测试集；3用小波变换把一维LIBS光谱转化为二维图像表示形式；4对图像进行下采样；5利用轻量卷积神经网络L‑CNN对步骤4获得的图像数据进行建模，基于验证集的评价指标确定模型参数；6在优化的模型参数下利用训练集重新建立回归模型；7利用测试集数据验证模型的泛化性能；8使用建立的回归模型估计未知样本的元素浓度。最终提出的一种结合小波变换和轻量卷积神经网络的LIBS定量分析方法，可实际应用于选矿厂现场监控矿浆品位。

本发明授权结合小波变换和轻量卷积神经网络的LIBS定量分析方法在权利要求书中公布了：1.结合小波变换和轻量卷积神经网络的LIBS定量分析方法，其特征在于,包括以下步骤： 离线建模的步骤：采集矿浆样本的激光诱导击穿光谱数据并获取元素浓度标签；对每张原始光谱特征进行小波变换，基于卷积运算为数据分析模型引入非线性；对小波变换后的频谱图在波长维进行下采样实现合理降维；改进原有轻量卷积神经网络L-CNN，并利用训练集交叉验证或验证集表现确定L-CNN模型超参数；选定超参数后再使用训练集重新训练网络，结合提前终止策略获取训练后的针对频谱图输入的轻量卷积神经网络模型； 实时检测的步骤：利用现场设备采集现场矿浆样本的实时光谱数据，先经过小波变换、下采样处理后，输入优化后的结合小波变换和轻量卷积神经网络的LIBS定量分析回归模型，获取矿浆中指定元素的浓度含量； 是采用如下方法利用小波变换将一维LIBS光谱转化为二维图像表示形式的频谱图像特征： ； 其中是展开后的二维频谱，是小波变换后的波长维，是小波变换后的频率维，是原始光谱的波长维，是原始光谱信号，是母小波，是的复共轭； 采用的小波基函数是Morse小波，表达式如下： ； 其中是单位阶跃，是常数，是Morse小波的主要参数，分别代表可以决定小波形状的时间带宽和对称性；原始光谱信号长度为L，经过小波变换后每个光谱向量转换为尺寸为的灰度图像。

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科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。