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！

龙图腾网获悉浙江大学申请的专利一种基于改进的yolov5模型的针对重叠鱼类目标的辨识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：CN116051970B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310081246.5，技术领域涉及：G06V20/05；该发明授权一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法是由黄慧;郭明皓;曲景邦;李龙宇;蒋吉庆设计研发完成，并于2023-02-08向国家知识产权局提交的专利申请。

本一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法在说明书摘要公布了：本发明公开一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法，对yolov5进行改进，在用于金字塔结构的三层之前各引入一层自注意力层CBAM，将Conv层中的激活函数由SiLU改为可以提取二维空间信息的FReLU，并使用卡尔曼方法建立连续帧之间的状态变化关系，并根据时间序列产生的参数变量分布辅助预测，通过对下一帧的预测信息，帮助判断鱼类的重叠情况，进而实现针对重叠目标的实时辨识。本发明应用运动的差分模型与时序处理方法，增强了算法的可解释性，同时针对水下场景对处理步骤进行了微调，对水下重叠目标具有很好的检测效果。

本发明授权一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法在权利要求书中公布了：1.一种基于改进的yolov5模型的针对重叠鱼类目标的辨识方法，其特征在于，该方法包括如下步骤： 步骤一：使用带有深度传感器的摄像机采集水下视频的RGBD信息，从视频中抽取图像，完成对检测目标的图像信息采集； 步骤二：利用Sea-Thru算法重建水下场景，对水下图像进行修复，具体包括：利用已知的距离，以暗通道先验的方式估计后向散射；然后利用局部空间平均颜色，估计距离相关衰减系数； 步骤三：构建并训练改进的yolov5模型，所述改进的yolov5模型为在用于金字塔结构的三层之前各引入一层自注意力层CBAM，并将Conv层中的激活函数由SiLU改为提取二维空间信息的FreLU；所述改进的yolov5模型的输入为修复后的水下图像，输出为检测框的信息； 步骤四：对视频流按照帧采样速率进行采样，得到单帧图像，并按照步骤二进行修复后，输入训练后的改进的yolov5模型，模型输出检测框的信息，并对检测框的信息求差分，得到每个目标的状态向量其中，x,y,w,h中分别为矩形候选框的质心位置坐标以及宽高，为相邻两帧对应状态的差分； 步骤五：对每帧图像，使用卡尔曼滤波的思想进行连续两帧图像的追踪，得到各目标状态向量的最优预测值； 步骤六：设相邻两帧之间同一目标的最优预测值的落点满足正态分布，根据前一次迭代得到的预测值与检测值之间的差值作为样本进行计算正态分布的方差σ2，以此计算各落点的空间分布律； 步骤七：根据不同落点的空间分布律的重合程度判断出现重叠的概率，同时综合重叠发生的形态学特征作为重叠判据；若发生重叠，则按照步骤五预测的多目标结果为准，并根据最终的状态向量对训练后的改进的yolov5模型的输出结果进行调整；若未发生重叠，则以改进的yolov5模型的输出的检测值为准； 所述步骤五包括如下子步骤： 5.1将训练后的改进的yolov5模型输出的检测框的信息作为检测值，利用上一帧状态向量的最优预测值与输入向量ut-1代入计算当前帧的预测值其中，F为状态转移矩阵，B为控制矩阵，Δt为相邻两帧之间的时间； 5.2根据Pt -＝FPt-1FT+Q用上一帧最优估计协方差矩阵Pt-1和超参数过程噪声方差矩阵Q推出当前帧的协方差矩阵Pt -； 5.3根据Kt＝Pt -HTHPt -HT+R-1，用当前帧的协方差矩阵Pt -和观测噪声方差矩阵R推出卡尔曼增益Kt；H为增益矩阵； 5.4根据用预测值与观测值zt推出最优状态向量估计值作为最终的状态向量，并更新修正当前帧的协方差矩阵Pt -； 5.5根据当前帧的协方差矩阵Pt -以及卡尔曼增益Kt，更新当前帧的最优协方差矩阵Pt＝I-KtHPt -，用于计算下一帧的协方差矩阵； 5.6将由上一帧计算得到的预测值与训练后的改进的yolov5模型输出的检测框对应的检测值均进行标准化后做内积运算，通过内积运算值与阈值相比，当内积运算值大于阈值时，则预测值与检测值相似，为同一目标；否则，为不同目标，从而实现目标跟踪。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。