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！

龙图腾网获悉东北农业大学申请的专利一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检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：CN121207914B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511558287.4，技术领域涉及：G01N21/3563；该发明授权一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检测方法及系统是由李鸿博;张喜海;蒋大鹏;黄俊杰;董婉婧;王浩;王凯丽;尹旭鹏;张秋莹;南月;张天乐设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检测方法及系统在说明书摘要公布了：一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检测方法及系统，本发明属于农林产品质量与安全的无损检测技术领域。本发明是针对现有红松子仁中脂质含量与氧化程度检测方法普遍存在操作流程复杂、大批量检测成本高、耗时长、难以实现贮运全过程检测的问题而提出的。技术要点：通过采集到的高光谱获取松子样本原始近红外光谱数据；测定不同采样时间松子样本的脂质参考含量真值和氧化劣变参考程度并以此建立数据库。对采集的红松子原始近红外光谱数据进行预处理，并将分不同批次采集的红松子样本数据划分为训练集和验证集。设计一种基于动态权重分配模块的改进一维空洞卷积网络构建深度学习模型，用于构建适用于红松子仁光谱特征解析的深度学习结构。采用反向传播算法对构建的模型进行训练，通过最小化损失函数实现网络权重参数的反向更新。当所构建模型性能满足快速检测需求时用于红松子仁脂质含量与氧化酸败程度的高效、无损同步检测。

本发明授权一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检测方法及系统在权利要求书中公布了：1.一种基于高光谱成像与深度学习的红松子脂质含量与劣变程度快速无损检测方法，其特征在于，所述方法包括： S1、将相同收获批次的松子样本置于样本仓妥善存放，确保相同采样时间点的松子样本劣变程度能够保持均衡状态；所述松子样本为红松子仁样本； S2、将松子样本每间隔1～3Days抽样取出并置于实验台上，保持松子样本之间无堆叠遮挡，并进行高光谱扫描采集； S3、通过采集到的高光谱获取松子样本原始近红外光谱数据；测定不同采样时间松子样本的脂质参考含量真值和氧化劣变参考程度，并以此建立数据库，确保与S2中测定的原始光谱数据相对应； S4、对采集的红松子原始近红外光谱数据进行预处理，并将分不同批次采集的红松子样本数据划分为训练集和验证集，划分过程符合随机抽样原则以及机器学习建模数据集设置原则； S5、在一维卷积神经网络的基础上设计基于动态权重分配模块的改进一维空洞卷积网络，以构建适用于红松子仁光谱特征解析的深度学习模型；所述深度学习模型通过引入空洞卷积机制增强对光谱序列中长距离依赖关系的建模能力，并结合动态权重机制实现特征通道的自适应调整；利用该模型对训练集样本的近红外光谱数据与对应脂质含量开展拟合回归，同时对样本的劣变程度进行分级建模，进而构建能够同时完成脂质含量预测与劣变程度识别的多任务学习框架； S6、采用反向传播算法对构建的深度学习模型进行训练，通过最小化损失函数实现网络权重参数的反向更新；利用步骤S4中划分的验证集对模型进行性能评估，并基于评估结果对模型的关键超参数进行调优，以提升模型的预测精度与鲁棒性；通过多轮交叉验证与参数优化，获得收敛稳定的最终检测模型；当模型在验证集上的决定系数R2大于或等于0.75，且均方根误差RMSE小于或等于0.2时，认为所构建模型性能满足快速检测需求； S7、将置于样本制备舱中待测松子样本，每隔一段时间取出样本扫描高光谱图像并获取原始光谱数据，随即进行索式提取实验与酸价过氧化值测试；将原始光谱数据输入S6的最终检测模型中，输出结果即同时得到松子脂质含量和劣变程度的预测结果； 动态权重分配模块的目标是，自动识别输入光谱中的关键吸收峰，与输出任务对应的波段响应位置建立映射关系，最终建立松子输出特征波段中每个吸收峰与波长位置与输入特征波段中吸收峰与波长位置的对应关系；使得所述模型在训练过程中自动聚焦于与官能团特征振动或分子吸收峰相关的谱段位置，包括以下四个阶段：首先，设计一种特征编码机制，用于提取近红外光谱中的空间结构特征，提升模型对光谱空间分布的感知；其次，依托全连接网络，建立空间结构特征与松子内部物质成分之间的非线性映射关系；然后，引入生成网络模块，以空间结构特征为条件，预测高维光谱空间中具有判别性的采样点，实现输入空间与光谱特征空间的有效对应；最后，设计光谱重采样机制，在预测的采样点上提取光谱中的有效波段信息。

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东北农业大学，其通讯地址为：150030 黑龙江省哈尔滨市香坊区长江路600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。