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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种面向LIBS的残差学习轻量卷积神经网络定量化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：CN117235512B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210624634.9，技术领域涉及：G06F18/214；该发明授权一种面向LIBS的残差学习轻量卷积神经网络定量化方法是由孙兰香;董海燕;王皓;周平;黄少文;张学民设计研发完成，并于2022-06-02向国家知识产权局提交的专利申请。

本一种面向LIBS的残差学习轻量卷积神经网络定量化方法在说明书摘要公布了：本发明公开一种面向LIBS的残差学习轻量卷积神经网络定量化方法。包括：采集训练样本的激光诱导击穿光谱原始光谱数据；对每张原始光谱进行谱段选择并对选择的谱段取均值；利用选择后的原始光谱段建立并训练残差学习轻量卷积神经网络模型；利用训练好的残差学习轻量卷积神经网络模型对测试样本进行定量分析。本发明通过残差学习卷积神经网络模型进行LIBS的定量分析，模型中残差模块既提高信噪比又保留了光谱信号的细节，将数据预处理和定量分析有机的结合在一起，使预处理更有针对性。注意力不同程度的集中在不同的有效信息上，完成特征选择。提高了模型的复杂非线性关系的表达能力，提高了LIBS定量分析的精度。

本发明授权一种面向LIBS的残差学习轻量卷积神经网络定量化方法在权利要求书中公布了：1.一种面向LIBS的残差学习轻量卷积神经网络定量化方法，其特征在于，包括以下步骤： 步骤1：采集训练样本的激光诱导击穿光谱原始光谱数据； 步骤2：对原始光谱进行谱段选择； 步骤3：利用选择后的原始光谱段建立并训练残差学习轻量卷积神经网络模型；所述的残差学习轻量卷积神经网络模型具体网络结构如下： 残差模块层ResidualModule，包括：依次连接的多个残差模块，并且以当前残差模块的输入与输出的差作为后一级残差模块的输入，每个残差模块内部包括依次连接的多个残差单元；用于对输入的选择后原始光谱段进行处理，输出提取的光谱段信息s；所述残差单元包括卷积结构、批量归一化BN、Relu激活函数； 轻量卷积神经模块层，包括：依次连接的若干个卷积层、InceptionModule层、扁平层Flatten、全连接层FC；用于对残差模块层输出的光谱段信息s进一步特征提取，输出预测的元素浓度y；所述InceptionModule层由4个分支构成，每个分支包括1×1的卷积结构且4个分支合并前由tanh激活函数非线性化；所述全连接层FC采用tanh激活函数非线性化； 步骤4：利用训练好的残差学习轻量卷积神经网络模型对测试样本进行定量分析，输出预测的元素浓度。

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科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。