買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉江蘇省農業科學院申請的專利一種混合漁藥拉曼光譜檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119715492B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411775246.6，技術領域涉及：G01N21/65；該發明授權一種混合漁藥拉曼光譜檢測方法是由陳珊;徐郭海林;陳敬文;皮杰;夏禮如設計研發完成，并于2024-12-05向國家知識產權局提交的專利申請。

本一種混合漁藥拉曼光譜檢測方法在說明書摘要公布了：本發明公開一種結合數據增強方法和RA?CTNet模型的混合漁藥拉曼光譜檢測方法，通過結合化學計量法和實驗隨機誤差模擬法擴充數據以減少數據庫搭建成本，提高模型魯棒性。在模型搭建上，充分利用了CNN在局部特征提取上的優勢和Transformer在全局特征建模上的能力，采用了預訓練和遷移學習的訓練策略，有效利用了單一漁藥的豐富特征信息，提高了混合漁藥預測的準確性，實現復雜混合樣本下的納摩爾級濃度混合物定量檢測。相對現有技術，本發明技術方案目的在于養殖水體中禁用漁藥檢測，在低數據樣本下實現納摩爾級濃度的禁藥定量檢測，旨在提高拉曼光譜檢測的準確性和魯棒性，對混合漁藥的快速定性和定量分析。

本發明授權一種混合漁藥拉曼光譜檢測方法在權利要求書中公布了：1.一種混合漁藥拉曼光譜檢測方法，其特征在于，包括以下步驟： 步驟S1：根據目標檢測物質的拉曼光譜特性及拉曼光譜儀檢測波段對全波段的拉曼光譜進行截取，隨后對樣本中拉曼光譜基線漂移進行校正，消除不同光譜間的強度差異及隨機誤差； 步驟S2：輸入光譜數據后，將對應的光譜數據使用添加隨機誤差轉化擴增數據和模擬周期性環境干擾擴增數據和通過化學計量法生成不同濃度光譜數據以擴增數據；化學計量法生成基于拉曼峰強度和形狀，重構光譜數據； 在室外場景或設備不穩定，原始數據中存在較多的隨機誤差時，添加隨機誤差轉化擴增數據量、模擬周期性環境干擾擴增數據量、通過化學計量法生成不同濃度光譜數據以擴增數據量的比例為4:3:2； 周期性干擾顯著且設備影響較大時，添加隨機誤差轉化擴增數據量、模擬周期性環境干擾擴增數據量、通過化學計量法生成不同濃度光譜數據以擴增數據量的比例為2:4:3； 在實驗隨機誤差很小時，化學計量法數據重要性較高時，添加隨機誤差轉化擴增數據量、模擬周期性環境干擾擴增數據量、通過化學計量法生成不同濃度光譜數據以擴增數據量的比例為3:3:3； 步驟S3：接收經過預處理和數據擴增后的光譜數據，輸入光譜數據表示為一維向量； 步驟S4：使用單一物質的拉曼光譜數據及其對應的濃度標簽，經過預處理和數據增強搭建預訓練模型； 步驟S5：將預訓練數據集輸入模型，進行前向傳播，計算預測值； 步驟S6：讀取物質濃度預測值，計算損失函數值；根據損失函數值作為參考，反向傳播，更新模型參數，并重復步驟S5-S6，直至損失函數值不再降低，或損失函數值達到預測精度要求，預訓練完成后，保存模型參數，供后續混合樣品遷移學習使用； 步驟S7：使用混合漁藥的拉曼光譜數據及其對應的各漁藥濃度標簽，經過預處理和數據增強后，作為遷移學習的數據集； 步驟S8：將混合樣數據集輸入模型，加載預訓練模型參數，凍結卷積層的參數，僅對編碼器和全連接層進行訓練，進行前向傳播，計算預測值； 步驟S9：針對多種漁藥的濃度回歸任務，采用混合樣均方誤差作為損失函數； 步驟S10：根據混合樣均方誤差值作為參考，反向傳播，更新模型參數并重復步驟S8-S9過程，直到混合樣均方誤差值多輪不再降低，或混合樣均方誤差值達到預測精度要求，訓練完成后，保存最終模型參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江蘇省農業科學院，其通訊地址為：210014 江蘇省南京市玄武區鐘靈街50號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。