近日，广东省科学院智能制造研究所智能传感技术团队研发的“基于生成对抗网络的高光谱半监督定量分析算法”正式获得美国专利商标局授权，专利号为US 12,380,318 B2。这标志着该所在高光谱数据分析领域的技术创新获国际权威认可，更为药品检测、农产品品质分析等行业的“小样本建模难”问题提供了突破性解决方案。
高光谱技术是药品成分、农产品品质检测的“火眼金睛”，但实际应用中，行业却长期受困：许多应用场景中存在高质量样本获取困难，样本理化指标真值需要化学手段检测，耗时费力。“样本少+检测贵”导致高光谱数据建模过程中极易产生“过拟合”，定量分析精度大打折扣。
针对行业痛点，广东省科学院智能制造研究所智能传感技术团队历经多轮研发，提出一种基于生成对抗网络的半监督学习框架，生成虚拟光谱样本以填补现实样本数量缺口，且生成网络和与定量分析网络同步优化，从而降低过拟合风险。同时，创新性提出“样本分布匹配”概念，在训练中加入“分布匹配惩罚因子”，通过算法设计引导生成样本的概率分布主动向真实样本的“低密度区”靠拢，实现小样本高精度建模。
该专利技术已经在三大核心场景完成实战验证，效果显著。在西药片剂检测中，可快速精准识别有效成分含量，助力药企把控药品质量；在中药材分析中，能高效检测其有效成分，为提升中药品质一致性提供技术支撑；在水果品质检测中，可实时测定可溶性固溶物（影响甜度、成熟度的关键指标），帮助果农实现精准分级。实验数据显示，在小样本情况下，尤其是训练样本分布较少的区域，取得了更高的定量分析精度。
据介绍，目前，该专利技术已成功“走出实验室”，转化为可落地的AI装备——自主研发的水果品质智能检测装备、中药品质智能检测装备已投入使用。以葡萄品质分选为例，过去需靠人工抽样、化学检测判断甜度，耗时且误差大，如今通过该装备，可对葡萄的品质进行无损智能分选，检测速度可达到1800串/小时，糖度检测平均误差小于1.2brix，粒径检测平均误差小于1.5毫米，克重检测平均误差小于1.5g。
该专利第一发明人、广东省科学院智能制造研究所研究员刘忆森表示：“高光谱应用场景广泛，除了已经落地的农产品、中药材场景，在高分子与复合材料材料检测、零部件检测、生产过程监测等智能制造领域也大有可为，我们将进一步打磨高光谱数据处理算法以及设备工程实施能力，让高光谱走进更多生产线，助力企业‘精准检测、降本增效’。”
本文链接：高光谱半监督定量分析算法获美国专利授权http://www.sushuapos.com/show-11-26884-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。