Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东恒鑫生物科技有限公司陈庆成获国家专利权

山东恒鑫生物科技有限公司陈庆成获国家专利权

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!

龙图腾网获悉山东恒鑫生物科技有限公司申请的专利一种胶原蛋白提取工艺状态监测方法及装置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:CN121456599B

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:202511595969.2,技术领域涉及:G06F18/241;该发明授权一种胶原蛋白提取工艺状态监测方法及装置是由陈庆成;张秀苹;张格;崔根设计研发完成,并于2025-11-04向国家知识产权局提交的专利申请。

一种胶原蛋白提取工艺状态监测方法及装置在说明书摘要公布了:本发明涉及人工智能和工艺状态监测技术领域,具体涉及一种胶原蛋白提取工艺状态监测方法及装置,具体如下:在胶原蛋白提取工艺的关键设备上部署传感器网络,实时采集工艺参数,将其与实验室检测的胶原蛋白的质量指标进行同步,并对采集数据的状态进行标注;基于采集的工艺参数和质量指标数据计算耦合系数函数,对工艺参数进行耦合归一化处理,得到归一化处理后的属性值;构建基于深度学习的工艺状态监测模型并对其进行训练,得到训练好的模型;将新采集的胶原蛋白提取工艺数据输入至训练好的模型中,进行实时或离线状态识别,并根据所识别的状态进行决策支持。本发明可以实现对复杂工艺系统的高可靠监测与智能决策支持。

本发明授权一种胶原蛋白提取工艺状态监测方法及装置在权利要求书中公布了:1.一种胶原蛋白提取工艺状态监测方法,其特征是,包括以下步骤: S1、在胶原蛋白提取工艺的关键设备上部署传感器网络,实时采集工艺参数,将其与实验室检测的胶原蛋白的质量指标进行同步,形成样本数据,并对样本数据的状态进行标注; S2、基于采集的工艺参数和质量指标数据计算耦合系数函数,对样本数据进行耦合归一化处理,得到归一化处理后的属性值; S3、构建基于深度学习的工艺状态监测模型,将归一化处理后的属性值输入至该模型中,依次经过工艺参数合理性耦合特征提取、深度神经网络权重初始化、深度神经网络前向传播与耦合激活、工艺状态分类预测、损失函数计算、反向传播与参数更新、基于深度学习的工艺状态监测模型训练,最终得到训练好的模型; 深度神经网络权重初始化的操作具体如下: 基于耦合特征的统计特性和合理性约束,计算神经网络初始权重,先通过合理性指示函数计算合理性评分,然后基于耦合特征、所有样本耦合特征均值和合理性评分计算耦合修正项矩阵,最后基于所有样本耦合特征均值和耦合修正项矩阵,结合合理性约束系数调整修正项影响强度,计算初始化权重矩阵; 其中,合理性指示函数首先计算耦合特征与理想工艺中心的距离,然后通过Sigmoid函数将距离映射为合理性评分; 距离通过计算耦合特征与理想工艺中心特征的L2范数得到,理想工艺中心的特征为历史数据中标签为正常的样本的耦合特征均值; 深度神经网络前向传播与耦合激活的操作具体如下: 在神经网络隐藏层采用耦合激活函数,首先计算耦合调制因子,基于前一层输出特征和合理性权重,通过双曲正切函数生成调制因子,然后基于基准激活函数输出和耦合调制因子计算当前层输出特征,采用耦合激活函数逐层计算输出特征; 其中,基准激活函数为Sigmoid激活函数; 工艺状态分类预测过程具体如下: 采用合理性调整机制,动态调整分类层输出的合理性,首先进行合理性调整logits计算,基于输出层权重、最后一层输出特征和合理性指示函数,结合合理性调整强度系数广播到所有类别,增加合理样本的原始输出值,得到调整logits向量,对使模型的预测合理性进行调整; 然后基于调整logits向量进行操作,通过Softmax函数转换生成每个状态类别的预测概率; 模型的训练过程具体如下: 基于深度学习的工艺状态监测模型的训练过程是迭代优化的过程,首先,基于预测概率向量、真实标签和合理性指示函数,结合交叉熵损失和合理性惩罚项计算总损失函数; 然后,采用耦合梯度修正项,基于合理性约束调整梯度方向,耦合梯度基于总损失梯度和耦合调制因子计算得到,具体通过梯度修正系数调整常规梯度方向;并使用Adam优化器以耦合梯度更新权重,具体基于当前权重矩阵、耦合梯度和平均合理性指示函数,对权重进行更新,得到每轮迭代后各层神经网络的权重矩阵; 最后,通过多次前向传播和反向传播更新模型参数,前向传播阶段,训练数据经过归一化处理和耦合特征提取后输入至模型中,生成预测结果,基于预测结果和真实标签计算总损失;反向传播阶段,采用耦合梯度修正项调整梯度方向,结合Adam优化器更新权重和偏置参数; 训练过程以批量方式进行,迭代次数根据训练损失和用于验证的数据集的性能动态控制; 并停止迭代条件,直至满足条件后结束训练,得到训练好的模型; S4、将新采集的胶原蛋白提取工艺数据输入至训练好的模型中,进行实时或离线状态识别,并根据所识别的状态进行决策支持。

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山东恒鑫生物科技有限公司,其通讯地址为:256800 山东省滨州市沾化区城北工业园创业二路001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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。