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！

龙图腾网获悉长春中医药大学申请的专利一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定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：CN116503653B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310476219.8，技术领域涉及：G06V10/764；该发明授权一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定方法是由王恩鹏;叶萍;陈长宝;张迪设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定方法在说明书摘要公布了：一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定方法，属于林下参年份无损鉴定技术领域。解决了现有技术中林下参年份的识别和判断耗时、成本高、重复性差，且往往对林下参具有破坏性的问题。本发明的方法，先获取已标记年份的不同年份的林下参的近红外高光谱图像，然后进行辐照校正、感兴趣区域提取、格式转换，再对得到的林下参的原始近红外高光谱曲线进行混合降噪处理，使用无信息变量消除法提取特征谱带，建立卷积神经网络模型，并对卷积神经网络进行迭代训练，得到训练神经网络模型；最后使用训练神经网络模型对待检测林下参进行无损鉴定，得到待检测林下参的年份。该方法可实现不同年份林下参快速、实时、无损、精准的识别。

本发明授权一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定方法在权利要求书中公布了：1.一种基于卷积神经网络模型和近红外高光谱的林下参年份无损鉴定方法，其特征在于，包括以下步骤； 步骤一、取已标记年份的不同年份林下参，获取不同年份的林下参的近红外高光谱图像； 步骤二、对获取的不同年份的林下参的近红外高光谱图像进行辐射校正、感兴趣区域提取和格式转化，得到林下参的原始近红外高光谱曲线； 所述步骤二中，在ENVI软件中依照点中心式策略以逐像素提取辐射校正后的林下参的近红外高光谱图像的五个感兴趣区域，分别为芦头、圆芦、主根上部、主根下部和须根； 步骤三、采用MATLAB软件对林下参的原始近红外高光谱曲线进行混合降噪处理，得到混合降噪后的林下参的近红外高光谱曲线； 所述混合降噪处理采用的模型为MSC模型、SG平滑模型和一阶导数模型； 步骤四、在MATLAB软件中，采用无信息变量消除法对混合降噪后的林下参的近红外高光谱曲线进行特征谱带提取，建立卷积神经网络模型，并以年份数据作为标签，对卷积神经网络进行迭代训练，得到训练神经网络模型； 所述步骤四中，卷积神经网络模型第一层包含一个卷积层和一个池化层，卷积层利用104个大小为28*28，步长为4的卷积核对输入的林下参的近红外高光谱曲线进行滤波；池化层利用大小为6*6，步长为2的池化窗口进行池化；第二层包含一个卷积层和一个池化层，卷积层利用256个大小为14*14，步长为4的卷积核，对上一层的池化结果进行滤波；池化层利用大小为6*6，步长为2的池化窗口进行池化；第三层为一个卷积层，利用364个大小为3*3，步长为1的卷积核对上一层的池化结果进行滤波；第四层为一个卷积层，利用364个大小为3*3，步长为1的卷积核对上一层的池化结果进行滤波；第五层包含一个卷积层和一个池化层，卷积层利用256个大小为6*6，步长为2的卷积核，对上一层的卷积结果进行滤波；池化层利用大小为6*6，步长为2的池化窗口进行池化；第六层为全连接层，第七层为softmax层； 步骤五、使用训练神经网络模型对待检测林下参进行无损识别，得到待检测林下参的年份。

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长春中医药大学，其通讯地址为：130000 吉林省长春市净月开发区博硕路1035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。