申请/专利权人：珠海康龙源生物科技有限公司

申请日：2023-11-13

公开（公告）日：2024-02-13

公开（公告）号：CN117554353A

主分类号：G01N21/65

分类号：G01N21/65;G06F18/241;G06F18/214;G06N3/0442;G06N3/045;G06N3/084;G01N21/3563

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.13#公开

摘要：本发明涉及红花品质检测技术领域，具体公开了一种基于深度学习模型的掺假红花快速检测方法，包括以下步骤：样品采集与处理、光谱数据采集与处理、深度学习模型构建和红花样品真伪判别，本发明通过建立深度学习模型结合光谱法，能够在现场短时间内对红花样品进行快速判别，节省大量时间和人力成本，本方法不需要相关从业经验的人员，无需对样品进行复杂费时的前处理，只需要操作光谱仪器即可，同时具有广泛的实用性，也可用于其他中药、物品的鉴伪。

主权项：1.一种基于深度学习模型的掺假红花快速检测方法，其特征在于，包括以下步骤：S1、红花样品采集与处理；S11红花样品采集；从不同省份、地区的市场上或生产过程中获取待检测的红花样品，确保样品的代表性；S12样品处理；先将红花样品混合均匀，将样品表面的杂质挑选出来，用磨粉机研磨过筛得到红花样品粉末；S2、光谱数据采集；将红花样品放置在拉曼光谱仪和红外光谱仪中的一种或多种下进行数据采集；S3、光谱数据处理；S31对采集到的红花光谱进行基线校正和归一化；S32然后对预处理后的光谱数据进行谱峰归属与分割，以用于后续的模型训练和分类；S4、深度学习模型构建；S41深度学习模型训练；使用已知的正品红花和掺假红花样品，构建正样品和负样品的训练数据集，并利用深度学习模型对数据进行训练，确保模型能够准确识别和分类正常红花和掺假红花；S42红花样品真伪判别；将待检测的红花样品的光谱输入到训练好的深度学习模型中，通过模型的分类结果判断样品是否掺假。

全文数据：

权利要求：

百度查询： 珠海康龙源生物科技有限公司 一种基于深度学习模型的掺假红花快速检测方法

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