“光谱建模”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果177740个，建议您升级VIP下载更多相关专利

[发明专利]基于模拟退火算法的近红外光谱波长子区间选择方法-CN201010123945.4有效
发明人：邹小波;石吉勇;赵杰文;殷晓平;陈正伟;黄星奕;蔡建荣;陈全胜 -专利权人：江苏大学
申请日： 2010-03-12 - 公布日： 2010-08-18 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种对农产品或食品品质进行分析的基于模拟退火算法的近红外光谱波长子区间选择方法，先对近红外光谱进行预处理，将预处理后的近红外光谱的全光谱划分为k个子区间；采用模拟退火算法选择最佳特征子区间的个数及组合方式本发明光谱子区间的划分科学、合理；采用Metropolis准则判断新入选子区间的重要性，保证了算法快速收敛，避免了算法陷入局部最优解而错过全局最优解；减少建模计算量、加快建模速度，在得到全局最优解的前提下快速地获取到高质量的近红外光谱模型
基于模拟退火算法红外光谱波长区间选择方法

[发明专利]一种基于红外光谱鉴别良性与恶性肿瘤的方法-CN201810913775.6有效
发明人：范琦;杨洋;王娅兰;唐怡;张雪 -专利权人：重庆医科大学
申请日： 2018-08-01 - 公布日： 2022-03-15 - 主分类号： G01N21/3563 文献下载
摘要：本发明公开了一种基于红外光谱鉴别良性与恶性肿瘤的方法，良性肿瘤为硬化性肺泡细胞瘤，恶性肿瘤为肺原位腺癌；先收集良性肿瘤与恶性肿瘤的组织切片，然后以分辨率8cm‑1、扫描次数64次，在4000～1900cm‑1范围内采集切片的红外透射光谱，所得光谱不经预处理或经SGS预处理，选择建模光谱范围的上限值为4000～3960cm、下限值为1960cm‑1，选取前4～9个主成分，采用判别分析法或对向传播人工神经网络建立鉴别良性与恶性肿瘤的模型；再取未知性质的肿瘤组织切片，按相同方法采集光谱并进行光谱数据处理，最后应用所建模型进行预测。
一种基于红外光谱鉴别良性恶性肿瘤方法

[发明专利]红外光谱非线性定量分析方法-CN201810847381.5有效
发明人：彭思龙;王东生;陈志伟;谢琼;梁宝安;宋明会;董飞;孙海钢;田士伟 -专利权人：中国石油天然气集团有限公司;中国石油集团长城钻探工程有限公司;中国科学院自动化研究所
申请日： 2018-07-27 - 公布日： 2021-04-30 - 主分类号： G01N21/3504 文献下载
摘要：本发明涉及红外光谱定量分析技术领域，具体涉及一种红外光谱非线性定量分析方法。本发明的红外光谱非线性定量分析方法包括：获取待测混合气体的吸光度向量以及所述待测混合气体中各单纯成分气体在多种标定浓度下的光谱样本点；基于待测混合气体的吸光度向量与各个单纯成分气体的光谱样本点构建非线性最小二乘优化模型本发明的红外光谱非线性定量分析方法对待测烃类混合气体的定量预测精度总体优于当前流行的CLS、PCLS、PLS等算法，并且所需建模样本数量少，建模周期短，成本低且模型更新容易，具有很高的实用性。
红外光谱非线性定量分析方法

[发明专利]一种近红外光谱的多模型建模方法-CN201310537968.3有效
发明人：卞希慧;张彩霞;刘巍;谭小耀;郭玉高;王秋男 -专利权人：天津工业大学
申请日： 2013-10-31 - 公布日： 2017-07-28 - 主分类号： G01N21/359 文献下载
摘要：一种近红外光谱多模型建模方法，把采集的近红外光谱及对应的被测成分浓度数据分成训练集和预测集；利用boosting方法对训练集进行重采样，一开始赋予所有波长点相同的取样权重，从中选取一定数目的波长点建立PLS子模型；通过PLS子模型的得分和载荷乘积得到预测光谱；利用预测光谱和建模子集光谱的差值的指数损失函数对训练子集的每个波长点赋予权重；下次选取波长点时，权重越大的样本取样概率越大；重复以上步骤，建立多个子模型该方法通过从波长方向建立子模型，采用boosting方法不断进行训练最终建立多模型，提高了定量分析模型的预测精度，为近红外光谱多元校正分析提供了一种新的定量分析方法。
一种红外光谱模型建模方法

[发明专利]紫玉米叶片花色苷含量的测量方法及系统-CN201610285470.6有效
发明人：张超;赵晓燕;马越;王丹 -专利权人：北京市农林科学院
申请日： 2016-04-29 - 公布日： 2019-01-08 - 主分类号： G01N21/25 文献下载
摘要：本发明提供一种紫玉米叶片花色苷含量的测量方法及系统，该方法包括：采集样本中紫玉米父本叶片在不同波长时对应的第一高光谱反射率，采集样本中第一代紫玉米叶片在不同波长时对应的第二高光谱反射率；测定第一代紫玉米叶片的花色苷含量；对第一高光谱反射率和第二高光谱反射率进行加成运算；确定运算结果对应的相关性曲线中，相关性最强时所对应的波长为敏感波长；根据花色苷含量、敏感波长和敏感波长所对应的加成高光谱反射率，建立花色苷含量测试模型，由于建模所采用的数据是：敏感波长、敏感波长对应的加成高光谱反射率和第一代紫玉米叶片花色苷含量，因此，该方式建模测得的花色苷的含量更加准确。
玉米叶片花色含量测量方法系统

[发明专利]基于空谱联合压缩感知的高光谱重建方法、设备及系统-CN202010295943.7有效
发明人：王忠良;粘永健;何密;肖晶晶;乔梁 -专利权人：铜陵学院;中国人民解放军陆军军医大学
申请日： 2020-04-15 - 公布日： 2023-06-16 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于空谱联合压缩感知的高光谱重建方法、设备及系统。方法包括：采用空谱联合双采样方法从原始高光谱图像中分别获取空间观测数据YN和谱间观测数据YL；建立高光谱图像重建模型：X＝ES+MH；基于光谱解混的思想，利用空间观测数据YN和谱间观测数据YL获得E、S、M和H的最优值；将E、S、M和H的最优值分别代入所建立的重建模型，进而重建出原始高光谱图像数据X。本发明在传统线性混合模型(X＝ES)的基础上引入MH补偿项，能够有效改善因环境条件的变化、测量设备的变动以及多重散射和紧密混合等非线性效应所导致的重建精度不高问题，进一步提高了高光谱图像的重建质量。
基于联合压缩感知光谱重建方法设备系统

[发明专利]基于近红外光谱快速检测块根/茎类作物营养品质的方法-CN201210365529.4无效
发明人：唐忠厚;丁艳锋;李洪民;马代夫;李强;魏猛 -专利权人：江苏徐州甘薯研究中心;南京农业大学
申请日： 2012-09-27 - 公布日： 2013-01-16 - 主分类号： G01N21/25 文献下载
摘要：本发明公开了一种基于近红外光谱快速检测块根/茎类作物营养品质的方法，属作物营养品质检测领域。包括1）筛选符合建模的组分含量梯度大、有代表性的试验样品库；2）使用近红外光谱仪采集试验样品近红外光谱数据；3)参照国际通用或国标方法精确分析试验样品库中营养品质组分含量；4)对近红外光谱数据预处理；5)选择建立数学模型的化学计量方法，采用OPUS定量分析软件中QUANT-2程序进行模型构建；6)对所建模型采用校正和内部交叉验证进行评价；7)采集待测样品的近红外光谱数据，光谱数据预处理后用所构建的校正模型预测其营养品质
基于红外光谱快速检测块根作物营养品质方法

[发明专利]一种快速鉴别掺假肉的方法-CN201410335229.0在审
发明人：张玉华;孟一;许丽丹;陈东杰;张应龙;张咏梅 -专利权人：山东国家农产品现代物流工程技术研究中心;山东商业职业技术学院
申请日： 2014-07-15 - 公布日： 2014-11-05 - 主分类号： G01N21/25 文献下载
摘要：本发明提供了一种快速鉴别掺假肉的方法，包括步骤：(1)分别制备纯肉、掺假肉的样品、以及未知肉的待测样品；(2)分别采集上述纯肉及掺假肉的样品的近红外漫反射光谱，每个样品连续采集多次，分别取均值作为原始光谱；(3)对上述原始光谱进行建模波段的优化选择，并对选择的建模波段进行光谱预处理；(4)采用主成分分析法提取光谱特征信息；(5)采用判别分析方法建立掺假肉鉴别模型；(6)计算纯肉样品、掺假肉样品的马氏距离
一种快速鉴别掺假方法

[发明专利]高温灭菌奶中掺加豆粉及其掺加比例的光谱鉴定方法-CN202110503724.8在审
发明人：张淑君;罗雪路;王海童;苏俊东;上官爱哨;孙玉梅 -专利权人：华中农业大学
申请日： 2021-05-10 - 公布日： 2021-08-27 - 主分类号： G01N21/3577 文献下载
摘要：本发明属于奶品分析技术领域，具体涉及高温灭菌奶中掺加豆粉及其掺加比例的光谱鉴定方法。步骤为：1)取高温灭菌奶中掺加不同比例豆粉后再制的牛奶样本；2)在中红光谱范围内，对样本进行扫描获得中红外光谱数据；3)对原始中红外光谱进行预处理，去除异常值；4)将预处理后的数据集按照分层抽样的原则划分为训练集和测试集；5)筛选建模光谱波段；6)在训练集上，使用最近邻等算法，通过10折交叉验证建立高温灭菌奶中掺加豆粉及其掺加比例的鉴别模型，使用准确性、kappa系数对鉴别模型进行评估和筛选；7)最优模型的验证与应用。本发明使用了更少的波点建模，减少了运算成本，提高了鉴别的速率和准确性。
高温灭菌奶中掺加豆粉及其比例光谱鉴定方法

[发明专利]基于光谱数据的多指标协同预测方法-CN202210387231.7在审
发明人：刘浩;王毅;李光尧;闫晓剑;张国宏;贾利红 -专利权人：四川启睿克科技有限公司
申请日： 2022-04-13 - 公布日： 2022-09-16 - 主分类号： G01N21/359 文献下载
摘要：本发明涉及近红外光谱分析技术，为了提高近红外光谱数据在分析预测过程中的稳定性及预测准确率，提供了基于光谱数据的多指标协同预测方法，包括：1、确定预处理方法及预处理方法对应的参数；2、确定偏最小二乘法进行光谱数据建模时的主成分设置区间；3、根据步骤2及步骤1进行偏最小二乘法建模以得到组合模型；4、选取至少3种组合模型筛选指标；5、将组合模型筛选指标进行全排列；6、采用全排列后的组合模型筛选指标分别对组合模型进行筛选；7、分别采用筛选出的组合模型进行光谱数据预测以获取预测值
基于光谱数据指标协同预测方法

[发明专利]基于投票机制的多模态近红外光谱建模分类方法-CN202211200929.X在审
发明人：贾利红;张国宏;李光尧;王毅 -专利权人：四川启睿克科技有限公司
申请日： 2022-09-29 - 公布日： 2022-12-16 - 主分类号： G06K9/00 文献下载
摘要：本发明基于投票机制的多模态近红外光谱建模分类方法，涉及近红外光谱检测技术领域，通过将光谱数据分成训练集和验证集，并利用M种预处理和N种建模方法，建立M*N个模型，并选取验证集的最优准确率指标较高的K种模型对待测样本进行分类重新划分训练集和验证集、建立模型、选择模型对待测样本进行分类，得到另一组结果，直到每个待测样本均有至少一个高置信度结果时，基于投票机制，对高置信度结果进行分析，获得每种待测样本的分类结果，以此解决了近红外光谱模型进行分类时准确率低的问题，本发明适用于近红外光谱检测。
基于投票机制多模态近红外光谱建模分类方法

[发明专利]一种基于近红外光谱的棉籽蛋白质含量快速无损检测技术-CN202310400316.9在审
发明人：黄义文;匡猛;彭军;周大云;黄龙雨;吴玉珍;付守阳;栗战帅;徐清 -专利权人：中国农业科学院棉花研究所;三亚中国农业科学院国家南繁研究院
申请日： 2023-04-14 - 公布日： 2023-07-21 - 主分类号： G01N21/3563 文献下载
摘要：本发明公开了一种基于近红外光谱的棉籽蛋白质含量快速无损检测技术，包括：选取若干种棉籽形态的建模定标集样品和验证集样品；使用近红外光谱分析仪分别对不同棉籽形态下的所有样品采集近红外光谱信息；测定建模定标集样品和验证集样品棉籽蛋白的化学真值；对光谱信息进行分析并进行预处理；基于化学真值与预处理后的光谱信息，针对不同棉籽形态下的样品分别构建近红外快速无损检测模型；采用验证集样品对近红外快速无损检测模型进行验证评估，根据准确性和稳定性筛选出最优模型
一种基于红外光谱棉籽蛋白质含量快速无损检测技术

[发明专利]一种鉴别艾绒等级的方法-CN202211390068.6在审
发明人：李超;李孟芝;李丹霞;周彪;项丽玲;黄显章 -专利权人：南阳理工学院
申请日： 2022-11-08 - 公布日： 2023-04-04 - 主分类号： G01N21/3563 文献下载
摘要：本发明属于艾绒等级鉴别技术领域，具体涉及一种鉴别艾绒等级的方法，包括以下步骤：S1、对已知等级的艾绒样品进行处理，采用傅里叶变换红外光谱仪对样品进行检测，获得原始红外光谱数据；S2、采用OPUS软件对S1获得原始红外光谱数据进行基线校正和平滑处理；S3、对S2处理后的红外光谱分别通过多种方式进行预处理，提取建模数据；S4、根据S3获取的建模数据，采用多种模式识别方法进行识别，并进行可行性分析，建立鉴别模型；采用建立的鉴别模型即可对待识别艾绒样品的红外光谱进行鉴定。
一种鉴别艾绒等级方法

[发明专利]一种复杂环境下的河湖水质快速检测方法-CN202211481337.X在审
发明人：黄新;黄宇;孙玉琳;周元琦;马宗伟;张卓 -专利权人：无锡谱视界科技有限公司
申请日： 2022-11-24 - 公布日： 2023-05-09 - 主分类号： G01N21/25 文献下载
摘要：本发明公开了一种复杂环境下的河湖水质快速检测方法，其不易受外部复杂环境影响，可实现不同水域水质自动、快速、准确检测，该方法基于水质监测仪获取不同水域光谱数据，光谱数据包括环境光信号、水域光信号，检测步骤包括：采集环境光信号、水域光信号，计算获得第一水体光谱反射率，对第一水体光谱反射率进行预处理，获得第二水体光谱反射率，采集不同水域水质指标数据，划分为建模集、验证集，采用竞争性自适应重加权算法提取建模集中的特征变量
一种复杂环境湖水快速检测方法

[发明专利]基于图稀疏正则化的卫星高光谱图像压缩感知重建方法-CN201410304965.X有效
发明人：徐洋;吴泽彬;孙玉宝;刘建军;孙乐;韦志辉 -专利权人：南京理工大学
申请日： 2014-06-28 - 公布日： 2017-09-22 - 主分类号： G06T17/00 文献下载
摘要：本发明提供了一种基于图稀疏正则化的卫星高光谱图像压缩感知重建方法,包括以下步骤步骤1，将已知的高光谱数据的三维立方体重新排列为矩阵；步骤2，以随机卷积变换作为线性观测矩阵，构建多向量测量模型，对每一波段进行独立采样，生成测量向量矩阵；步骤3，将高光谱图像在稀疏变换域分解为谱间的关联成分和差异成分，构建包含关联成分和差异成分的图稀疏正则化的联合重建模型；步骤4，提出联合重建模型求解的交替方向乘子迭代算法，获得变换域的关联成分和差异成分，然后合并关联成分和差异成分，得到重建的高光谱数据。本发明提供的方法对卫星高光谱遥感数据进行压缩时压缩程度高、精度高。
基于稀疏正则卫星光谱图像压缩感知重建方法