電子科技大學長三角研究院(湖州)趙彥春獲國家專利權
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!
龍圖騰網獲悉電子科技大學長三角研究院(湖州)申請的專利一種基于XRF-EGAN模型的土壤XRF譜圖本底扣除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:CN114861541B 。
龍圖騰網通過國家知識產權局官網在2025-04-15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:202210523696.0,技術領域涉及:G06F30/27;該發明授權一種基于XRF-EGAN模型的土壤XRF譜圖本底扣除方法是由趙彥春;李福生;王欣然;張煥龍設計研發完成,并于2022-05-13向國家知識產權局提交的專利申請。
本一種基于XRF-EGAN模型的土壤XRF譜圖本底扣除方法在說明書摘要公布了:本發明涉及XRF光譜分析領域,公開了一種基于XRF?EGAN的土壤XRF光譜本底扣除方法,是基于GAN模型的設計模式,采用一維全卷積網絡層和殘差連接,構建模型的生成器,采用一維卷積和全連接層構建模型的判別器,并采用對抗訓練模式訓練XRF?EGAN模型,進而獲得訓練好的生成器和判別器,且生成器是土壤XRF本底扣除模型,進而提高土壤XRF的元素凈峰面積和含量之間的相關性,進而提升基于XRF光譜的元素定量分析的準確性。本發明的方法應用在土壤XRF光譜本底扣除中,實現土壤XRF光譜的本底扣除,消除因X熒光分析儀在分析過程中脈沖堆積導致的XRF本底干擾。本發明適用于土壤XRF光譜本底扣除。
本發明授權一種基于XRF-EGAN模型的土壤XRF譜圖本底扣除方法在權利要求書中公布了:1.一種基于XRF-EGAN模型的土壤XRF本底扣除方法,其特征在于,基于GAN模型的設計模式,采用一維全卷積網絡層和殘差連接,構建模型的生成器,采用一維卷積和全連接層構建模型的判別器,并采用對抗訓練模式訓練XRF-EGAN模型,進而獲得訓練好的生成器和判別器,且生成器是土壤XRF本底扣除模型,進而提高土壤XRF的元素凈峰面積和含量之間的相關性;所述的基于XRF-EGAN模型的土壤XRF本底扣除方法,包括以下步驟:步驟1:采用XRF熒光分析儀采集土樣樣品的XRF光譜數據,并通過人工手動將樣品的XRF光譜數據的本底進行扣除,最終獲得未進行本底扣除前的土壤XRF光譜數據Datanoisy和不含本底的土壤XRF光譜數據Dataclean;步驟2:通過采集的Datanoisy數據和Dataclean數據訓練XRF-EGAN神經網絡模型,并將完成訓練后最優的XRF-EGAN模型的生成器的網絡模型參數保存下來;步驟3:加載XRF-EGAN的生成器網絡模型,對采用XRF熒光分析儀測量的新的土壤XRF光譜數據,利用XRF-EGAN的生成器網絡進行XRF光譜本底扣除,并獲得本底扣除后的輸出;步驟2的XRF-EGAN神經網絡模型生成器訓練采用的損失函數表達式如下: 式中z∈R1×1024表示服從標準正態分布的噪聲;x表示輸入的含有本底的XRF光譜數據;G表示生成器;Gz,x表示將z和x輸入到生成器中獲得的輸出,即XRF本底扣除的輸出結果;D表示判別器;DGz,x-12表示判別器輸出與1的均方誤差;xc表示不含本底的XRF光譜數據;||||1表示L1范數;λ表示L1范式的系數;步驟2的XRF-EGAN神經網絡模型判別器訓練采用的損失函數表達式如下: 式中z∈R1×1024表示服從標準正態分布的噪聲;x表示輸入的含有本底的XRF光譜數據;G表示生成器;Gz,x表示將z和x輸入到生成器中獲得的輸出,即XRF本底扣除的輸出結果;D表示判別器;DGz,x2表示判別器輸出與0的均方誤差。
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電子科技大學長三角研究院(湖州),其通訊地址為:313000 浙江省湖州市西塞山路819號科技創新綜合體B1幢;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”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。