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！

龙图腾网获悉苏州工学院申请的专利一种基于AI的材料性能光谱检测系统与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：CN120452610B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510920097.6，技术领域涉及：G16C20/70；该发明授权一种基于AI的材料性能光谱检测系统与方法是由王睿涵;张子涵;唐浩文;沈骏宇设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于AI的材料性能光谱检测系统与方法在说明书摘要公布了：本发明公开了一种基于AI的材料性能光谱检测系统及方法，涉及人工智能领域，该系统包括谱图嵌入模块、特征融合模块、性能预测模块、不确定性评估模块和输出分析模块。本发明融合了光谱数据、微观结构图像和材料组成等多源信息，通过多模态注意力机制建模材料性能特征，提高了特征表达的完整性和预测模型的准确性。构建异构神经网络结构，实现对高维谱图数据的有效表征，并通过残差融合机制增强特征学习能力。通过注意力热区图、注意力分布图及LIME因果分析方法，提供每一个预测结果的关键特征解释，增强预测模型的科学性与信赖度。

本发明授权一种基于AI的材料性能光谱检测系统与方法在权利要求书中公布了：1.一种基于AI的材料性能光谱检测系统，其特征在于，包括： 谱图嵌入模块，用于获取材料光谱数据，将光谱数据输入至包含双通道结构的异构神经网络中，一通道为基于CNN的局部特征提取网络，另一通道为基于Transformer的全局依赖建模网络，输出多尺度谱图嵌入向量，并通过注意力残差融合模块对不同尺度嵌入表示进行加权组合，生成动态调控的谱图特征向量，利用多个不同卷积核宽度的一维卷积层，提取局部波段的特征模式每层卷积后接激活函数ReLU与BatchNorm层进行归一化、非线性处理和稳定训练，卷积输出经最大池化后形成多层语义嵌套的光谱局部特征表示；将光谱向量划分为长度为n的序列，通过嵌入层生成光谱向量嵌入，将嵌入表示输入至标准Transformer编码器模块，采用多头自注意力机制建模不同波段之间的全局依赖关系；通过拼接或加权方式进行融合，采用注意力融合机制计算融合权重α，生成最终谱图多尺度嵌入向量： ； 其中，Z为最终融合后的谱图嵌入向量，α为权重系数，ZCNN为CNN分支输出的谱图特征向量，ZTransformer为Transformer分支输出的谱图特征向量，R为跨通道残差修正项； 特征融合模块，用于获取材料的微观结构、化学成分和图像数据，采用多模态注意力融合机制，将谱图特征向量与结构特征融合为统一特征向量，用于建模性能预测； 性能预测模块，用于基于融合后的统一特征向量，构建深度性能预测网络模型，所述深度性能预测网络模型引入图卷积模块模拟光谱序列内部特征相关性，并引入多任务学习框架； 不确定性评估模块，用于对深度性能预测网络模型输出的性能预测结果进行不确定性估计，通过贝叶斯回归网络评估每项性能的可信区间；若模型置信度低于设定阈值，则触发动态校正机制，为每个性能指标构建贝叶斯回归预测头，输出预测均值和方差： ； 其中，μti为第i个性能指标的预测值，为预测不确定性，为正态分布或高斯分布； 预测输出为高斯分布后，计算置信区间： ； 其中，为第i项材料性能指标在95%置信水平下的预测区间； 将当前样本的特征向量Zfusion与训练集样本分布进行距离计算： ； 其中，为训练集中融合特征的均值向量，为两个特征向量在高维空间中的直线距离； 若D预设偏移阈值，判断为新型样本或异常材料；将该样本及其实际性能指标存入缓存队列，累计多个低置信样本后，触发微调或增量学习； 输出分析模块，用于将预测性能指标以数值和可信区间方式输出，结合可视化模块展示谱图热区贡献度以及模型注意力分布图，并基于LIME方法生成每一预测结果的因果解释。

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苏州工学院，其通讯地址为：215506 江苏省苏州市常熟市南三环路99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”。