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！

龙图腾网获悉合肥工业大学申请的专利一种融合多目标灰狼优化的水产品鲜度多任务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：CN121051364B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510944376.6，技术领域涉及：G06F18/20；该发明授权一种融合多目标灰狼优化的水产品鲜度多任务检测方法是由陆剑锋;韩青莉;林琳;王成辉;蔡志成;宋媛设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种融合多目标灰狼优化的水产品鲜度多任务检测方法在说明书摘要公布了：本发明公开了一种融合多目标灰狼优化的水产品鲜度多任务检测方法，包括数据基础构建、增强、CNN‑LSTM‑SE特征提取、多任务模型形成、超参数优化、模型训练及评估部署等步骤。该方法通过数据增强扩展样本规模，利用CNN与LSTM并行结合SE注意力机制提取特征，构建多任务学习框架实现多指标同步预测，采用MOGWO算法分阶段优化超参数。其有益效果为提升小样本鲁棒性、特征提取精准度、多任务检测效率及模型泛化能力，模块化设计便于推广应用。

本发明授权一种融合多目标灰狼优化的水产品鲜度多任务检测方法在权利要求书中公布了：1.一种融合多目标灰狼优化的水产品鲜度多任务检测方法，其特征在于，包括如下步骤： 步骤1：数据基础构建 选取m个涵盖不同鲜度等级的水产品样本，建立样本集T，测定红外光谱数据及n个鲜度指标，并按比例划分为训练集、验证集和测试集； 步骤2：数据增强支撑特征提取 基于步骤1划分的训练集与验证集光谱数据，通过数据增强模块操作扩展样本规模； 步骤3：CNN-LSTM-SE特征提取模块构建 对步骤2增强后的数据，利用CNN与LSTM并行提取光谱的局部空间特征和时序依赖信息，再通过SE注意力机制加权筛选特征，形成特征提取模块； 步骤4：多任务模型形成 将步骤3特征提取模块的输出拼接后，输入多任务学习框架，通过共享全连接网络提取通用特征，连接多个任务特定分支，每个分支的末端设置一个回归头输出对应鲜度指标的预测值，形成可同步预测多鲜度指标的CNN-LSTM-SE多任务模型； 步骤5：超参数优化提升模型性能 针对步骤4形成的CNN-LSTM-SE多任务模型，采用MOGWO算法分阶段优化其超参数，通过定义超参数分组和优化策略、初始化灰狼种群和参数、计算适应度函数、更新灰狼位置、更新档案和狼群社会等级、边界处理、终止条件检查及分组优化操作获取最优参数配置； 步骤6：最优参数驱动模型训练 将步骤5的最优超参数导入CNN-LSTM-SE多任务模型，基于步骤1的训练集重新训练，生成最终的鲜度预测模型； 步骤7：模型评估与部署准备 利用步骤1的测试集评估步骤6生成鲜度预测模型的预测性能，验证合格后保存模型参数及结构，完成从数据处理到模型部署的全流程闭环。

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合肥工业大学，其通讯地址为：230002 安徽省合肥市屯溪路193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。