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！

龙图腾网获悉青岛农业大学;青岛青农智能技术研究院有限公司;青岛大谷农业信息有限公司申请的专利一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测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：CN117074324B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202311075468.2，技术领域涉及：G01N21/25；该发明授权一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法是由韩仲志;朱宏飞;赵逸凡;魏蕾设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法在说明书摘要公布了：本发明涉及一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法。首先，获取霉变谷物的高光谱数据，使用液相色谱法标定黄曲霉毒素含量；然后，搭建长短期记忆网络LSTM，定义网络结构和层数；接着，将每颗谷物的平均光谱导入LSTM，训练优化网络的超参数；最后，使用主成分分析PCA评估LSTM在训练集上的网络方差，结合网络方差主参量和投影压缩算法来削减LSTM内部的可学习参数，并将削减参数的LSTM内部参数进行微调。本发明与现有的黄曲霉毒素识别模型相比，其不仅可以实现高精度的毒素检测，同时其内部参数量远低于现有的毒素检测网络模型。

本发明授权一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法在权利要求书中公布了：1.一种基于投影压缩和光谱重建的黄曲霉毒素光谱深度学习检测方法，其特征在于步骤如下： 步骤1：获取单粒霉变谷物的正反两面高光谱数据； 步骤2：利用步骤1得到的光谱数据，将其结合k-means聚类得到谷物和背景的二值图，计算出籽粒正反两面的平均光谱； 步骤3：将步骤2得到的单粒谷物的正反两面高光谱数据，将两者光谱数据相加，并求该籽粒的平均光谱，以该值作为单粒谷物的光谱数据； 步骤4：用液相色谱法对步骤1中的单粒谷物进行毒素含量标定，从而获得单粒谷物的黄曲霉毒素的含量； 步骤5：将步骤3得到的单粒谷物光谱数据导入自编码卷积网络模型，从而重建生成基于原光谱的伪光谱数据； 步骤6：混合原谷物光谱和伪光谱数据作为模型的光谱特征输入，进一步增强光谱数据集的特征多样性； 步骤7：将步骤6得到的混合光谱数据和标定的毒素含量导入LSTM模型结构，不断调整其内部的超参数，记录下每次网络模型优化的准确率； 步骤8：固化准确率最高的网络模型超参数，并利用主成分分析提取网络模型方差主参量； 步骤9：将步骤8得到的网络模型方差主参量结合投影压缩算法，进一步削减LSTM内部的可学习参数，将步骤6得到光谱数据导入削减后的LSTM微调其内部可学习参数，固化准确率最高的网络模型超参数，输出为最终的高光谱黄曲霉毒素检测网络； 步骤9的具体步骤为： 步骤9-1：主成分分析被应用于分析训练数据集中网络激活的变化模式，通过识别网络激活中方差最大的主成分，即代表网络激活主要变化模式的成分； 步骤9-2：投影压缩算法选择从主成分分析中得出的最重要的投影方向，从而以减少参数数量，通过使用PCA得到的网络方差主成分作为投影方向，并根据系统的要求和约束选择适当的压缩水平，可以在减少参数的同时保持LSTM模型的识别性能和泛化能力； 步骤9-3：将光谱数据导入内部参数削减后的LSTM模型，并优化其余下的可学习参数。

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青岛农业大学;青岛青农智能技术研究院有限公司;青岛大谷农业信息有限公司，其通讯地址为：266109 山东省青岛市城阳区长城路700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。