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！

龙图腾网获悉暨南大学申请的专利药物成分鉴别方法和相关设备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：CN121299004B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511397909.X，技术领域涉及：G01N30/90；该发明授权药物成分鉴别方法和相关设备是由江俊黄设计研发完成，并于2025-09-28向国家知识产权局提交的专利申请。

本药物成分鉴别方法和相关设备在说明书摘要公布了：本申请实施例提供一种药物成分鉴别方法和相关设备，属于药物识别技术领域。该方法包括：获取预设药物样本数据，包括阳性药物样本数据和阴性药物样本数据，阳性药物样本数据包括第一薄层色谱图谱，阴性药物样本数据包括第二薄层色谱图谱；通过第一薄层色谱图谱构建模型训练图谱集，以对预设孪生神经网络模型进行训练，得到第一孪生神经网络模型；通过第一薄层色谱图谱和第二薄层色谱图谱构建模型测试图谱集，以结合模型训练图谱集对模型进行参数优化，得到目标神经网络模型；将待鉴别薄层色谱图谱输入目标神经网络模型进行成分识别分析，得到成分鉴别结果。本申请实施例能够在药物鉴别中尽量不使用对照品和对照药材，达到经济、绿色、环保的目的。

本发明授权药物成分鉴别方法和相关设备在权利要求书中公布了：1.一种药物成分鉴别方法，其特征在于，所述方法包括以下步骤： 获取预设药物样本数据；其中，所述预设药物样本数据包括阳性药物样本数据和阴性药物样本数据，所述阳性药物样本数据包括待鉴别药物样本的第一薄层色谱图谱，所述阴性药物样本数据包括非鉴别药物样本的第二薄层色谱图谱； 通过所述第一薄层色谱图谱构建模型训练图谱集； 根据所述模型训练图谱集对预设孪生神经网络模型进行训练，得到第一孪生神经网络模型； 通过所述第一薄层色谱图谱和所述第二薄层色谱图谱构建模型测试图谱集； 根据所述模型测试图谱集和所述模型训练图谱集对所述第一孪生神经网络模型进行参数优化，得到目标神经网络模型； 将待鉴别薄层色谱图谱输入所述目标神经网络模型进行成分识别分析，得到成分鉴别结果； 其中，在所述获取预设药物样本数据之后，所述方法还包括： 根据预设显示区域对所述预设药物样本数据中的每一张图谱进行裁切，得到裁切图谱；其中，所述预设药物样本数据通过预设药物薄层色谱图集获取得到； 将所述裁切图谱按照预设图像尺寸进行调整，得到目标药物样本数据； 所述根据所述模型训练图谱集对预设孪生神经网络模型进行训练，得到第一孪生神经网络模型，包括： 根据预设划分比例将所述模型训练图谱集进行随机划分，得到训练数据集和验证数据集； 将所述训练数据集输入所述预设孪生神经网络模型，进而通过所述预设孪生神经网络模型中的双分支卷积特征提取模块进行特征提取，得到目标特征数据；其中，所述目标特征数据包括第一特征向量和第二特征向量； 根据所述第一特征向量和所述第二特征向量进行对比损失计算，根据计算得到的对比损失数据，通过反向传播和梯度下降机制对模型参数进行优化，得到第二孪生神经网络模型； 将所述验证数据集输入所述第二孪生神经网络模型进行验证分析，得到验证损失数据； 当确定所述验证损失数据满足预设早停机制条件时，根据预设模型参数对所述第二孪生神经网络模型进行参数更新，得到所述第一孪生神经网络模型；其中，所述预设模型参数包括所述验证损失数据处于最小状态下所对应的模型参数； 所述根据所述模型测试图谱集和所述模型训练图谱集对所述第一孪生神经网络模型进行参数优化，得到目标神经网络模型，包括： 将所述模型测试图谱集和所述模型训练图谱集输入所述第一孪生神经网络模型，以通过最小距离匹配算法确定样品预测类别； 根据所述样品预测类别通过预设阈值机制进行可信度分析，进而根据分析结果对所述第一孪生神经网络模型的距离阈值参数进行调整，得到所述目标神经网络模型。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。

以上内容由龙图腾AI智能生成。