申请/专利权人：南京信息工程大学

申请日：2024-01-04

公开（公告）日：2024-02-06

公开（公告）号：CN117524340A

主分类号：G16C20/20

分类号：G16C20/20;G16C20/70;G06F18/214;G06F18/241;G06F18/25;G06N3/045;G06N3/0464;G06N3/0475;G06N3/084;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明公开了基于多层一维CNN深度网络的纺织品成份定量表征方法，从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据，并对纺织品光谱数据进行预处理；构建GAN模型，利用训练集数据和随机噪声样本训练GAN模型；构建多池化融合一维卷积核神经网络，利用训练之后的生成器生成伪样本数据，利用伪样本数据训练多池化融合一维卷积核神经网络，将训练后的多池化融合一维卷积核神经网络作为分类器；利用分类器对纺织品的成分进行定量表征。本发明利用多层一维CNN深度网络、GAN模型和多池化融合一维卷积核神经网络相结合的方法，实现了对纺织品成分的高效准确定量表征，具有较好的应用前景。

主权项：1.基于多层一维CNN深度网络的纺织品成份定量表征方法，其特征在于，包括：从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据，并对纺织品光谱数据进行预处理，将预处理后的纺织品光谱数据划分成训练集和测试集；构建GAN模型，利用训练集数据和随机噪声样本训练GAN模型；其中GAN模型包括生成器和判别器；构建多池化融合一维卷积核神经网络，利用训练之后的生成器生成伪样本数据，利用伪样本数据训练多池化融合一维卷积核神经网络，将训练后的多池化融合一维卷积核神经网络作为分类器；其中分类器的输出为目标成分的含量；利用测试集对分类器进行评估，计算精度指标；利用分类器对纺织品的成分进行定量表征。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于多层一维CNN深度网络的纺织品成份定量表征方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD