近日,广东省科学院智能制造研究所智能传感技术团队研发的“基于生成对抗网络的高光谱半监督定量分析算法”正式获得美国专利商标局授权,专利号为US 12,380,318 B2。这标志着该所在高光谱数据分析领域的技术创新获国际权威认可,更为药品检测、农产品品质分析等行业的“小样本建模难”问题提供了突破性解决方案。
高光谱技术是药品成分、农产品品质检测的“火眼金睛”,但实际应用中,行业却长期受困:许多应用场景中存在高质量样本获取困难,样本理化指标真值需要化学手段检测,耗时费力。“样本少+检测贵”导致高光谱数据建模过程中极易产生“过拟合”,定量分析精度大打折扣。
针对行业痛点,广东省科学院智能制造研究所智能传感技术团队历经多轮研发,提出一种基于生成对抗网络的半监督学习框架,生成虚拟光谱样本以填补现实样本数量缺口,且生成网络和与定量分析网络同步优化,从而降低过拟合风险。同时,创新性提出“样本分布匹配”概念,在训练中加入“分布匹配惩罚因子”,通过算法设计引导生成样本的概率分布主动向真实样本的“低密度区”靠拢,实现小样本高精度建模。
该专利技术已经在三大核心场景完成实战验证,效果显著。在西药片剂检测中,可快速精准识别有效成分含量,助力药企把控药品质量;在中药材分析中,能高效检测其有效成分,为提升中药品质一致性提供技术支撑;在水果品质检测中,可实时测定可溶性固溶物(影响甜度、成熟度的关键指标),帮助果农实现精准分级。实验数据显示,在小样本情况下,尤其是训练样本分布较少的区域,取得了更高的定量分析精度。
据介绍,目前,该专利技术已成功“走出实验室”,转化为可落地的AI装备——自主研发的水果品质智能检测装备、中药品质智能检测装备已投入使用。以葡萄品质分选为例,过去需靠人工抽样、化学检测判断甜度,耗时且误差大,如今通过该装备,可对葡萄的品质进行无损智能分选,检测速度可达到1800串/小时,糖度检测平均误差小于1.2brix,粒径检测平均误差小于1.5毫米,克重检测平均误差小于1.5g。
该专利第一发明人、广东省科学院智能制造研究所研究员刘忆森表示:“高光谱应用场景广泛,除了已经落地的农产品、中药材场景,在高分子与复合材料材料检测、零部件检测、生产过程监测等智能制造领域也大有可为,我们将进一步打磨高光谱数据处理算法以及设备工程实施能力,让高光谱走进更多生产线,助力企业‘精准检测、降本增效’。”
版权声明:凡本网注明“来源:中国科学报、科学网、科学新闻杂志”的所有作品,网站转载,请在正文上方注明来源和作者,且不得对内容作实质性改动;微信公众号、头条号等新媒体平台,转载请联系授权。邮箱:shouquan@stimes.cn。