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”（英文名称：Semi-supervised hyperspectral data quantitative analysis method based on generative adversarial network）正式获得美国专利商标局授权，专利号为US 12,380,318 B2。这一成果不仅标志着省科学院智能制造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，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，为中药材分级与真伪鉴别提供技术支撑；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。
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1.5mm，克重检测平均误差小于1.5g。
该专利第一发明人刘忆森研究员表示：“高光谱应用场景广泛，除了已经落地的农产品、中药材场景，在高分子材料检测、复合材料检测、零部件检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’”。
供稿：智能传感技术团队
撰稿：刘忆森
审稿：范 清 陈碧玉 曹永军
校稿：郭泽宜 陈春爱
