Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京知否智略科技有限公司陈永满获国家专利权

北京知否智略科技有限公司陈永满获国家专利权

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!

龙图腾网获悉北京知否智略科技有限公司申请的专利一种近红外光谱定量分析中的波长选择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:CN115931773B

龙图腾网通过国家知识产权局官网在2026-03-27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:202211653497.8,技术领域涉及:G01N21/359;该发明授权一种近红外光谱定量分析中的波长选择方法是由陈永满设计研发完成,并于2022-12-20向国家知识产权局提交的专利申请。

一种近红外光谱定量分析中的波长选择方法在说明书摘要公布了:本发明提出的近红外光谱定量分析中的波长选择方法采用高光谱成像系统获取标准参考对象的高光谱图像,采用微小型光谱学传感器获取分析对象的可见光‑近红外反射光谱。对于标准参考对象的高光谱图像,对其光谱数据进行二阶差分运算、平滑去噪,得到标准参考对象数据集;对于所述分析对象的可见光‑近红外反射光谱去除异常数据,采用蒙特卡洛抽样方法进行分析,然后执行小波包分解和重构方法进行数据平滑,得到分析对象数据集。在建模过程中充分挖掘不同数据集本身的分类标准,采用欧式距离相似度判断,从而客观的得出不同类的数据集,并选择其中两类数据最大以及最小的数据集分别作为校正集和预测集,能够取得更好的建模效果。

本发明授权一种近红外光谱定量分析中的波长选择方法在权利要求书中公布了:1.一种近红外光谱定量分析中的波长选择方法,所述方法采用高光谱成像系统获取标准参考对象的高光谱图像,采用微小型光谱学传感器获取分析对象的可见光-近红外反射光谱; 其特征在于: 对于高光谱成像系统获取的所述标准参考对象的高光谱图像,对其光谱数据进行二阶差分运算后,采用标准归一化变换公式结合多项式平滑方法进行平滑去噪,得到标准参考对象数据集; 对于微型光谱学传感器获取的所述分析对象的可见光-近红外反射光谱,对光谱数据集采用蒙特卡洛抽样方法进行分析,去除异常数据,然后执行小波包分解和重构方法进行数据平滑,得到分析对象数据集; 所述方法包括如下步骤: S101:采用主成分分析法对所述标准参考对象数据集进行分类,得到至少三类标准参考对象数据子集Refi,i=1,2,3......; S103:对于每一类标准参考对象数据子集Refi,从所述分析对象数据集中选择相似度满足第一预定条件的多个分析对象数据,构成至少三类分析对象数据子集Stdj,j=1,2,3...... S105:选择max{Stdj,j=1,2,3,......}作为校正集,选择min{Stdj,j=1,2,3,......作为预测集,采用竞争性自适应加权算法进行特征波长的最优波长选择;其中,从所述分析对象数据集中选择相似度满足第一预定条件的多个分析对象数据,包括:计算所述分析对象数据集的光谱数据x与每一类标准参考对象数据子集Refi的最小二乘距离LSP: 其中,refcenter为标准参考对象数据子集Refi的中心值; 如果LSP小于预定值,则选择该光谱数据作为分析对象数据子集Stdj的元素; 其中,采用竞争性自适应加权算法进行特征波长的最优波长选择,包括: 采用竞争性自适应加权算法结合连续投影算法筛选特征波长,建立偏最小二乘PLSR模型并进行验证; 其中,采用竞争性自适应加权算法进行特征波长的最优波长选择,包括: 采用竞争性自适应加权算法结合随机蛙跳算法提取特征波段,建立偏最小二乘回归PLSR模型。

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北京知否智略科技有限公司,其通讯地址为:102200 北京市昌平区平西府东路1号院一区1号楼-2层B126;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。