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！

龙图腾网获悉中国计量大学申请的专利一种基于光谱分析和视频分类算法联用的物质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：CN115512164B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211236799.5，技术领域涉及：G06V10/764；该发明授权一种基于光谱分析和视频分类算法联用的物质分析方法是由梁培;杨思危;陈强;谢宇浩;舒海;刘佳祯;王乐设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于光谱分析和视频分类算法联用的物质分析方法在说明书摘要公布了：本发明公开了一种基于光谱分析和视频分类算法联用的物质分析方法，包括：获取纯净物和混合物的样品；获取不同波长且不同激光功率下样品光谱数据并将其通过连续小波变换转换为光谱图片；将光谱图片合成为光谱视频；其中，将同一台光谱仪获取到的每一类样品的n张光谱图片进行合成，且n张光谱图片分别来自相邻的激光功率；采集公共视频数据集对视频深度学习分类模型进行预训练；将光谱视频在预训练后的视频深度学习分类模型上进行迁移学习；通过迁移学习后的视频深度学习分类模型进行物质识别。本发明能够实现准确的单一和混合物质的检测，且拓展性强，可用于基于光谱进行相似混合物检测、低浓度物质检测、复杂环境下物质检测等任务场景。

本发明授权一种基于光谱分析和视频分类算法联用的物质分析方法在权利要求书中公布了：1.一种基于光谱分析和视频分类算法联用的物质分析方法，其特征在于，包括以下步骤： S1.获取纯净物和混合物的样品； S2.获取不同波长且不同激光功率下样品光谱数据； S3.将所述样品光谱数据通过连续小波变换转换为光谱图片； S4.将所获取到的所述光谱图片进行合成，获得光谱视频；其中，将同一台光谱仪获取到的每一类样品的n张光谱图片进行合成，且n张所述光谱图片分别来自相邻的激光功率； S5.采集公共视频数据集对视频深度学习分类模型进行预训练； S6.将S4中合成的所述光谱视频在预训练后的所述视频深度学习分类模型上进行迁移学习； S7.通过迁移学习后的所述视频深度学习分类模型进行物质识别； S3中所述光谱数据通过连续小波变换转换为光谱图片具体内容包括: 采用Morse小波作为母小波将拉曼光谱信号变为时频域二维信号，其中所述Morse小波为： 其中，ω为数字域频率，表示序列变化的速率，其表达式为ω＝2πf*Ts，其中Ts是采样周期，为Morse小波，Uω是单位步长，a是归一化常数，β是时间带宽积，γ为对称参数表征Morse小波的对称性； 2根据光谱分辨率，设置时间带宽积β和对称参数γ，计算出ω，并将拉曼光谱数据作为输入，通过Morse小波进行特征变换： 其中，b为长度固定的缩放因子； 将CWT时频域二维数据尺度图表示为 S5中所述深度学习分类模型为C3D网络模型，它包括8个卷积层、5个池化层、2个全连接层、2个Dropout层和1个分类层，所述分类层为由softmax激活的全连接层； 8个所述卷积层依次连接，其中第一卷积层与第二卷积层之间、第二卷积层与第三卷积层之间、第四卷积层与第五卷积层之间、第六卷积层与第七卷积层之间、以及第八卷积层与第一全连接层之间连接有池化层； 2个所述全连接层依次相连，且第一全连接层与第二全连接层、第二全连接层和所述分类层之间分别连接有所述Dropout层； 所述C3D网络模型的8个所述卷积层的卷积核的大小均为3*3*3，步长为1*1*1；第一池化层的池化核大小和步长均为1*2*2，其余所述池化层的大小和步长均为2*2*2；每个所述全连接层均包括4096个输出单元，分类层为由softmax激活的14个输出单元的全连接层。

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计量大学，其通讯地址为：310000 浙江省杭州市下沙高教园区学源街258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”。