买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利一种基于二维拉曼图结合深度学习的拉曼光谱分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115565004B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211235569.7，技术领域涉及：G06V10/764；该发明授权一种基于二维拉曼图结合深度学习的拉曼光谱分析方法是由刘宇宏;祁亚峰;刘邦旭设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本一种基于二维拉曼图结合深度学习的拉曼光谱分析方法在说明书摘要公布了：本发明公开了一种基于二维拉曼图结合深度学习的拉曼光谱分析方法，该方法包括：获取生物样本的原始拉曼光谱数据和多种拉曼光谱数据转换方式；根据原始拉曼光谱数据的属性特征，对原始拉曼光谱数据的复杂程度进行判断得到复杂程度判断结果；根据复杂程度判断结果和预设的转换匹配机制，匹配最优的拉曼光谱数据转换方式，对预处理后的原始拉曼光谱数据进行转换得到二维拉曼图样本集，训练深度学习网络模型，得到训练好的深度学习网络模型，将实际二维拉曼图集输入训练好的深度学习网络模型进行图像分类，得到图像分类结果。本发明可根据光谱数据的复杂程度来匹配合适的转换过程，实现了高准确率的识别，提高了样品鉴别的能力。

本发明授权一种基于二维拉曼图结合深度学习的拉曼光谱分析方法在权利要求书中公布了：1.一种基于二维拉曼图结合深度学习的拉曼光谱分析方法，其特征在于，包括以下步骤： 获取生物样本的原始拉曼光谱数据和多种拉曼光谱数据转换方式；其中，多种拉曼光谱数据转换方式包括光谱的递归图转换方式、光谱的格拉米角变形场转换方式、光谱的语谱图转换方式和光谱的马尔可夫变迁场转换方式； 对原始拉曼光谱数据进行预处理，得到一维波数序列； 对一维波数序列进行分析，根据相应的采集范围、强度变化状态和峰的多少，判断该光谱的复杂程度，得到复杂程度判断结果； 根据复杂程度判断结果和预设的转换匹配机制，从所述多种拉曼光谱数据转换方式中匹配最优的拉曼光谱数据转换方式： 若复杂程度判断结果为复杂程度大于预设程度阈值，则匹配光谱的递归图和光谱的格拉米角变形场两种转换方式； 反之，则匹配光谱的语谱图和光谱的马尔可夫变迁场两种转换方式； 利用匹配到的转换方式对一维波数序列进行转换，得到对应的二维拉曼图样本集： 若匹配到光谱的递归图的转换方式，则转换步骤包括：将所述波数序列进行缩放得到第一预设区间序列，利用Taken延迟方法对所述第一预设区间序列进行重构，基于重构后序列生成拉曼光谱的递归图； 若匹配到光谱的格拉米角变形场的转换方式，则转换步骤包括：将所述波数序列进行缩放，得到第二预设区间序列，对所述第二预设区间序列进行矩阵变换以生成拉曼光谱的格拉米角变形场； 若匹配到光谱的语谱图的转换方式，则转换步骤包括：将所述波数序列进行缩放得到第三预设区间序列，对所述第三预设区间序列进行分割，对分割后的序列进行短时傅里叶变换，并对短时傅里叶变换后的序列进行离散傅里叶变换以生成光谱的语谱图； 若匹配到光谱的马尔可夫变迁场的转换方式，则转换步骤包括：将所述波数序列进行缩放得到第四预设区间序列，根据所述第四预设区间序列的取值范围，将所述第四预设区间序列划分为多个分位数箱，基于所述多个分位数箱构建马尔科夫转移矩阵，并对所述马尔科夫转移矩阵归一化操作生成拉曼光谱的马尔可夫变迁场； 基于二维拉曼图样本集训练深度学习网络模型，得到训练好的深度学习网络模型，将实际二维拉曼图集输入训练好的深度学习网络模型进行图像分类，得到图像分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。