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！

龙图腾网获悉豫章师范学院申请的专利一种基于质地感知残差叠加的土壤有机质光谱预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：CN121167680B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511711819.3，技术领域涉及：G06F18/27；该发明授权一种基于质地感知残差叠加的土壤有机质光谱预测方法是由杨梅花;张智;寇海群;刘媛设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本一种基于质地感知残差叠加的土壤有机质光谱预测方法在说明书摘要公布了：本发明公开了一种基于质地感知残差叠加的土壤有机质光谱预测方法，该方法将分类后的质地转换为哑变量后用于模型训练，从而应用时能够直接将质地类别和光谱信息输入至训练后的模型就能够得到土壤有机质含量，不需要对质地进行化验，不会削弱土壤原位光谱的优势，还能够满足简单、高效预测土壤有机质含量的需求。该方法还通过训练第二模型，建立了不同质地与残差预测值的映射关系，使得本发明提供的残差模型能够较为精准的捕捉到不同质地下基线预测值与真实土壤有机碳含量的差值，从而与现有技术相比，本发明能够显示校正系统性误差，模型预测性能更稳健，能够更为大范围异质性强的土壤精准的预测土壤有机碳含量。

本发明授权一种基于质地感知残差叠加的土壤有机质光谱预测方法在权利要求书中公布了：1.一种基于质地感知残差叠加的土壤有机质光谱预测方法，其特征在于，包括： 依据土壤光谱库中土样的砂、粉和黏粒含量，将质地进行分类，将分类后的质地转换为哑变量，基于土壤光谱库中每个土样的光谱信息、对应的质地的哑变量和真实土壤有机碳含量构建训练样本集和验证样本集； 获得第一模型，利用训练样本集，将光谱信息和哑变量作为自变量，将真实土壤有机碳含量作为因变量，训练第一模型得到全局主效应模型，通过全局主效应模型得到折内预测值； 获得第二模型，利用训练样本集，将光谱信息和哑变量作为自变量，将折内预测值和真实土壤有机碳含量的差值作为因变量，训练第二模型得到残差模型，通过残差模型得到残差预测值； 应用时，将当前土样的土壤光谱信息和质地的类别，分别输入全局主效应模型得到基线预测值，将当前土样的土壤光谱信息和质地的类别和基线预测值输入残差模型得到残差预测值，基于基线预测值和残差预测值的差值得到最终的土壤有机碳含量预测值； 依据土壤光谱库中土样的砂、粉和黏粒含量，按照规则将对应的质地分成粗质、中等和细质三类，基于分类结果将每个样本的质地转换为三列二进制数字组合的哑变量； 所述第二模型包括随机森林、Cubsit、XGBoost、LightGBM或CatBoost； 训练第一模型的步骤，包括： 将光谱信息和哑变量作为自变量，将真实土壤有机碳含量作为因变量，利用偏最小二乘回归模型训练第一模型，通过多折交叉验证选择潜变量，得到全局主效应模型，将训练样本输入所述全局主效应模型得到折内预测值，将验证样本输入所述全局主效应模型得到基线预测值； 训练第一模型前，将光谱反射率R进行log1R,然后进行Savitzky-Golay处理，将处理后的光谱和哑变量进行融合，融合后的特征作为训练第二模型的因变量。

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豫章师范学院，其通讯地址为：330103 江西省南昌市梅岭大道1999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。