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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于高光谱数据与机器学习的可信任种子鉴别方法及系统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：CN117953379B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202410164245.1，技术领域涉及：G06V20/10；该发明授权基于高光谱数据与机器学习的可信任种子鉴别方法及系统是由于爽;葛宇菲;王忠杰;刘明义;李青峰设计研发完成，并于2024-02-05向国家知识产权局提交的专利申请。

本基于高光谱数据与机器学习的可信任种子鉴别方法及系统在说明书摘要公布了：本发明公开了基于高光谱数据与机器学习的可信任种子鉴别方法及系统，本方法包括：收集农作物种子的原始高光谱图像，并进行预处理，农作物种子包括待预测种子和已知品种种子；对预处理后的所有农作物种子的原始高光谱图像进行特征提取，得到光谱特征数据，光谱特征数据包括整个种子区域的空间特征、平均光谱特征和方差光谱特征；对光谱特征数据进行预处理；基于预处理后的光谱特征数据，使用可信任k近邻分类方法对农作物种子进行品种分类，得到待预测种子的品种类别。本发明实现了一种自动、简单、高效和可信任的农作物种子品种鉴别方法，提高了光谱特征的判别性，提高了农作物种子品种的鉴别正确率，提高了每个种子分类结果的可信度。

本发明授权基于高光谱数据与机器学习的可信任种子鉴别方法及系统在权利要求书中公布了：1.基于高光谱数据与机器学习的可信任种子鉴别方法，其特征在于，包括如下步骤：收集农作物种子的原始高光谱图像，并进行预处理，所述农作物种子包括待预测种子和已知品种种子；对预处理后的所有所述农作物种子的原始高光谱图像进行特征提取，得到光谱特征数据，所述光谱特征数据包括整个种子区域的空间特征、平均光谱特征和方差光谱特征；对所述光谱特征数据进行预处理；基于预处理后的所述光谱特征数据，使用可信任k近邻分类方法对所述农作物种子进行品种分类，得到所述待预测种子的品种类别；使用可信任k近邻分类方法对所述农作物种子进行品种分类，得到所述预测种子的品种类别方法包括：建立所述农作物种子的训练集，其中表示种子数量，单位为粒，包含有个品种，每粒种子具有个特征，即光谱特征和空间特征降维后的特征数量总和为，表示每个种子的类别标签；根据欧几里德距离对训练集中的种子进行排序，将两个种子和之间的欧几里德距离定义为，则： ，其中，表示种子的第个特征值，表示种子的第r个特征值；将所述待预测种子与训练集中的各种子的欧几里得距离按照从小到大的方式进行排序得到，再根据选择前k个相似的带标签的目标邻居种子，进而组成新的数据集合，其中是经过排序后的第个种子；为k个最近邻种子赋予相应的权重，该权重与种子分类难度有关，种子分类难度的形式化表示如下： 其中，符号代表种子的种子分类难度，符号表示分类器的总数量，符号表示通过分类器对种子进行预测得到的类标签，函数是一个指示函数；再通过一个指数函数来增加不同权重的差距，最终的权重函数为: ，则待预测种子的k个目标邻居种子的权值矩阵，其中表示第个目标邻居种子的权重；表示种子的RKS近似难度；RKS近似难度计算种子分类难度的方法具体包括；数据集包括m个种子，考虑每个种子xi都对应一个以xi为中心，r为半径的超球面，集合中包含了除了xi种子本身的超球面内的所有种子，集合中种子的总数设置为数据集中种子总数的1%-2%，种子xi的RKS近似难度的形式化表示为： ，对k个目标邻居种子进行多数加权表决，权重总和最大的品种即为所述待预测种子的品种，即： ， 为未知种子最终的鉴别结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92号；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”。