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！

龙图腾网获悉电子科技大学长三角研究院(湖州)申请的专利基于Transformer-CNN的XRF元素定量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：CN117238392B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311193431.X，技术领域涉及：G16C20/20；该发明授权基于Transformer-CNN的XRF元素定量分析方法是由李福生;张庆伦;杨婉琪设计研发完成，并于2023-09-15向国家知识产权局提交的专利申请。

本基于Transformer-CNN的XRF元素定量分析方法在说明书摘要公布了：本发明公开了一种基于Transformer‑CNN的XRF元素定量分析方法，属于X荧光光谱元素检测技术领域，包括以下步骤，步骤1：获取XRF谱图，确定元素含量；步骤2：通道截取和数据标准化处理；步骤3：划分训练集和测试集；步骤4：构建特征挖掘协调模块；步骤5：搭建Transformer‑CNN深度学习模型；步骤6：训练集训练Transformer‑CNN模型；步骤7：测试集预测目标元素含量；步骤8：评价指标评价模型预测效果。本发明无需对XRF谱图进行复杂预处理，能够准确、无损、有效地检测土壤中重金属元素的含量。

本发明授权基于Transformer-CNN的XRF元素定量分析方法在权利要求书中公布了：1.基于Transformer-CNN神经网络的XRF元素定量分析方法，其特征在于，包括以下步骤： 步骤1：获取XRF谱图，确定元素含量； 步骤2：通道截取和数据标准化处理； 步骤3：划分训练集和测试集； 步骤4：构建特征挖掘协调模块； 步骤5：搭建Transformer-CNN深度学习模型； 步骤6：训练集训练Transformer-CNN模型； 步骤7：测试集预测目标元素含量； 步骤8：评价指标评价模型预测效果； 步骤4中构建特征挖掘协调模块包括以下内容： 基于Pytorch框架设计特征挖掘协调模块，特征挖掘协调模块包括全局光谱注意模块和局部多尺度特征提取模块，该模块采用并行结构提高计算效率，同时实现局部特征提取和全局依赖建模，以挖掘深层次的光谱特征； 步骤5中搭建Transformer-CNN深度学习模型包括以下内容： 输入数据为一维光谱序列首先经过卷积层1和卷积层2实现特征的初步提取以及空间维度的控制，维度分别为8和8，得到光谱特征I； 其次，在进行初步特征提取后，光谱特征向量I被送入特征挖掘协调模块中实现深度特征挖掘和特征补偿，通过全局光谱注意模块的全局关注和局部多尺度特征提取模块的局部有效特征提取实现，得到深度光谱特征Ioutput； 第三，增强后的光谱特征被送入卷积层3和卷积层4实现维度进一步扩张和光谱特征向量压缩； 最后经过三个全连接层实现土壤重金属元素含量的精准预测。

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电子科技大学长三角研究院(湖州)，其通讯地址为：313000 浙江省湖州市西塞山路819号科技创新综合体B1幢；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。