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！

龙图腾网获悉山东省食品药品检验研究院;中国食品药品检定研究院申请的专利基于高光谱双流多尺度CNN的蒲黄含量预测方法及系统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：CN121527631B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610049058.8，技术领域涉及：G06V20/10；该发明授权基于高光谱双流多尺度CNN的蒲黄含量预测方法及系统是由林永强;汪冰;解盈盈;董钰宁;于凤蕊;薛菲;崔伟亮;周广涛;刘洪超;孙沛霖;周倩倩;栾永福设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本基于高光谱双流多尺度CNN的蒲黄含量预测方法及系统在说明书摘要公布了：本发明提出了基于高光谱双流多尺度CNN的蒲黄含量预测方法及系统，属于中药材质量检测领域。方法包括：采集蒲黄样品的高光谱图像数据，对采集的高光谱图像数据进行预处理，并提取蒲黄样品的感兴趣区域光谱数据；将提取的感兴趣区域光谱数据输入到训练好的双流多尺度残差融合CNN模型中，利用VNIR多尺度分支和NIR多尺度分支进行多尺度特征提取与融合，输出多尺度融合特征；将多尺度融合特征输入到注意力融合模块，输出最终融合特征；基于最终融合特征，通过含量预测层输出蒲黄有效成分的含量预测值。本发明解决了传统检测方法效率低、破坏样品以及现有光谱模型忽略波段特性差异导致精度不足的问题，实现了对蒲黄含量快速、无损、高精度的预测。

本发明授权基于高光谱双流多尺度CNN的蒲黄含量预测方法及系统在权利要求书中公布了：1.基于高光谱双流多尺度CNN的蒲黄含量预测方法，其特征在于，包括： 采集蒲黄样品的高光谱图像数据，所述高光谱图像数据包括可见-近红外波段数据和短波红外波段数据； 对采集的高光谱图像数据进行预处理，采用基于质心的感兴趣区域提取算法提取蒲黄样品的感兴趣区域光谱数据； 将提取的所述感兴趣区域光谱数据输入到训练好的双流多尺度残差融合CNN模型中，输出最终融合特征；其中，训练好的双流多尺度残差融合CNN模型利用VNIR多尺度分支和NIR多尺度分支对相应波段的感兴趣区域光谱数据进行多尺度特征提取与融合，输出多尺度融合特征；将所述多尺度融合特征输入到跨波段注意力融合模块中进行交互与动态加权融合，输出最终融合特征；所述跨波段注意力融合模块包括： 位置编码单元，用于为输入的多尺度融合特征添加可学习的位置编码； 多头自注意力单元，包括多个并行的注意力头，用于对添加位置编码后的特征进行跨波段关联特征提取，输出注意力特征； 动态权重融合单元，用于计算所述VNIR多尺度分支和NIR多尺度分支输出的注意力特征之间的动态权重，并基于所述动态权重对两个分支的注意力特征进行加权求和，得到最终融合特征； 基于所述最终融合特征，通过含量预测层输出蒲黄有效成分的含量预测值，包括： 将跨波段注意力融合模块输出的最终融合特征作为含量预测层的输入特征；对输入的最终融合特征执行第一次全连接层运算，通过线性变换函数进行特征空间映射，随后依次进行批量归一化操作以降低特征分布差异，利用ReLU激活函数运算以引入非线性特征表达，得到第一次精炼后的特征； 以第一次精炼后的特征为输入，执行第二次全连接层运算，通过线性变换函数进一步映射至低维特征空间，重复批量归一化与ReLU激活函数处理，消除特征冗余并强化有效特征关联，得到第二次精炼后的特征； 对第二次精炼后的特征执行最终线性变换，通过线性变换函数将维度特征映射为一维数值，得到最终输出蒲黄有效成分的含量预测值。

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山东省食品药品检验研究院;中国食品药品检定研究院，其通讯地址为：250101 山东省济南市高新区新泺大街2749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。