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！

龙图腾网获悉宁波大学申请的专利一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法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：CN115458151B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202210669598.8，技术领域涉及：G16H50/20；该发明授权一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法是由周理耀;尹飞;蒋林华;谢骁;徐冰埼;刘奥伟设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法在说明书摘要公布了：本发明涉及一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法，该方法采集患有隐核虫病的大黄鱼图像、健康的大黄鱼图像、具有包囊的养殖桶底图像和无包囊的养殖桶底图像，通过计算机图像处理技术对所选取的大黄鱼图像中的鱼体背鳍以及所选取的养殖桶底图像中的包囊分别进行人工手动标注，建立小规模图像数据集，经数据扩增后利用deeplabv3+深度学习网络对养殖桶底图像进行分类、鱼体图像背鳍进行提取，分别建立了刺激隐核虫病病原识别模型和大黄鱼背鳍提取模型。随后，背鳍图像经增强处理后进行分割，利用EfficientNet网络模型进行迁移学习，建立高效识别、低网络参数、高准确性的大黄鱼刺激隐核虫病病征图像识别模型，实现了隐核虫病病原和病征的双识别，有效的做到了隐核虫病的早期预警监测，大大提高了疫病诊断的准确性和时效性，为隐核虫病的及时治疗打下了基础。

本发明授权一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法在权利要求书中公布了：1.一种基于图像识别技术的海水鱼刺激隐核虫病的诊断方法，其特征在于：该方法包括下列步骤： S1、采集患有隐核虫病的大黄鱼图像、健康的大黄鱼图像、具有包囊的养殖桶底图像和无包囊的养殖桶底图像； S2、从步骤S1中采集的所有图像中选取部分患有隐核虫病的大黄鱼图像、部分健康的大黄鱼图像以及部分具有包囊的养殖桶底图像，对所选取的大黄鱼图像中的鱼体背鳍以及所选取的养殖桶底图像中的包囊分别进行人工手动标注，分别得到若干张具有标记的图像，并分别储存在两个文件夹中； S3、对步骤S2得到的两个文件夹中的图像分别进行数据增广操作，得到关于大黄鱼的增广图像和关于养殖桶底的增广图像，将关于大黄鱼的增广图像与步骤S1中采集到的大黄鱼图像组成大黄鱼图像数据集，将关于养殖桶底的增广图像和步骤S1中采集到的养殖桶底图像组成养殖桶底图像数据集，并分别对两个数据集中的图像的尺寸进行调整，得到调整后的大黄鱼图像数据集以及调整后的养殖桶底图像数据集； S4、将步骤S3所得的调整后的养殖桶底图像数据集中的图像按照比例划分为训练集、验证集和测试集； S5、采用deeplabv3+深度学习网络构建隐核虫病病原识别模型，将步骤S4中得到的训练集和验证集输入到deeplabv3+深度学习网络中进行训练，得到训练后的隐核虫病病原识别模型，将步骤S4中得到的测试集输入到训练后的隐核虫病病原识别模型中进行测试，得到最优隐核虫病病原识别模型； S6、采用deeplabv3+深度学习网络对步骤S3得到的调整后的大黄鱼图像数据集中的图像进行鱼体背鳍提取，由deeplabv3+深度学习网络输出鱼体背鳍图像，并将鱼体背鳍图像的掩膜对应与步骤S1中采集的大黄鱼图像进行点乘，获得与原图像的像素值及尺寸大小一致的鱼体背鳍图像，由鱼体背鳍图像组成鱼体背鳍图像数据集； S7、对步骤S6得到的鱼体背鳍图像数据集中的图像进行图像增强处理，得到处理后的鱼体背鳍图像数据集； S8、对步骤S7得到的处理后的鱼体背鳍图像数据集中的图像进行分割，得到图像分类数据集； S9、将步骤S8所得的图像分类数据集按比例划分为训练集、验证集和测试集； S10、采用Efficientnet神经网络来构建大黄鱼背鳍图像分类模型； S11、利用步骤S9所得的训练集和验证集来对步骤S10中的大黄鱼背鳍图像分类模型进行训练，得到大黄鱼病害图像识别模型； S12、将步骤S9所得的测试集图像输入到步骤S11得到的大黄鱼病害图像识别模型中进行测试，得到最优大黄鱼病害图像识别模型； S13、根据最优大黄鱼病害图像识别模型来设计手机端APP程序，通过拍摄图片完成在养殖过程中隐核虫病的识别。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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”。