買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜電子科技大學(xué)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(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114861541B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202210523696.0，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)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?jiān)O(shè)計(jì)研發(fā)完成，并于2022-05-13向國家知識(shí)產(chǎn)權(quán)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(fā)明涉及XRF光譜分析領(lǐng)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(shè)計(jì)模式，采用一維全卷積網(wǎng)絡(luò)層和殘差連接，構(gòu)建模型的生成器，采用一維卷積和全連接層構(gòu)建模型的判別器，并采用對(duì)抗訓(xùn)練模式訓(xùn)練XRF?EGAN模型，進(jìn)而獲得訓(xùn)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(jìn)而提高土壤XRF的元素凈峰面積和含量之間的相關(guān)性，進(jìn)而提升基于XRF光譜的元素定量分析的準(zhǔn)確性。本發(fā)明的方法應(yīng)用在土壤XRF光譜本底扣除中，實(shí)現(xiàn)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(dǎo)致的XRF本底干擾。本發(fā)明適用于土壤XRF光譜本底扣除。

本發(fā)明授權(quán)一種基于XRF-EGAN模型的土壤XRF譜圖本底扣除方法在權(quán)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(shè)計(jì)模式，采用一維全卷積網(wǎng)絡(luò)層和殘差連接，構(gòu)建模型的生成器，采用一維卷積和全連接層構(gòu)建模型的判別器，并采用對(duì)抗訓(xùn)練模式訓(xùn)練XRF-EGAN模型，進(jìn)而獲得訓(xùn)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(jìn)而提高土壤XRF的元素凈峰面積和含量之間的相關(guān)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(shù)據(jù)，并通過人工手動(dòng)將樣品的XRF光譜數(shù)據(jù)的本底進(jìn)行扣除，最終獲得未進(jìn)行本底扣除前的土壤XRF光譜數(shù)據(jù)Datanoisy和不含本底的土壤XRF光譜數(shù)據(jù)Dataclean；步驟2：通過采集的Datanoisy數(shù)據(jù)和Dataclean數(shù)據(jù)訓(xùn)練XRF-EGAN神經(jīng)網(wǎng)絡(luò)模型，并將完成訓(xùn)練后最優(yōu)的XRF-EGAN模型的生成器的網(wǎng)絡(luò)模型參數(shù)保存下來；步驟3：加載XRF-EGAN的生成器網(wǎng)絡(luò)模型，對(duì)采用XRF熒光分析儀測量的新的土壤XRF光譜數(shù)據(jù)，利用XRF-EGAN的生成器網(wǎng)絡(luò)進(jìn)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(jīng)網(wǎng)絡(luò)模型生成器訓(xùn)練采用的損失函數(shù)表達(dá)式如下： 式中z∈R1×1024表示服從標(biāo)準(zhǔn)正態(tài)分布的噪聲；x表示輸入的含有本底的XRF光譜數(shù)據(jù)；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(jié)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(shù)據(jù)；||||1表示L1范數(shù)；λ表示L1范式的系數(shù)；步驟2的XRF-EGAN神經(jīng)網(wǎng)絡(luò)模型判別器訓(xùn)練采用的損失函數(shù)表達(dá)式如下： 式中z∈R1×1024表示服從標(biāo)準(zhǔn)正態(tài)分布的噪聲；x表示輸入的含有本底的XRF光譜數(shù)據(jù)；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(jié)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(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人電子科技大學(xué)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(hào)科技創(chuàng)新綜合體B1幢；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。