Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连海洋大学于红获国家专利权

大连海洋大学于红获国家专利权

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!

龙图腾网获悉大连海洋大学申请的专利一种基于改进YOLOv10模型的患病幼鱼识别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:CN119479010B

龙图腾网通过国家知识产权局官网在2025-08-22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:202411482726.3,技术领域涉及:G06V40/10;该发明授权一种基于改进YOLOv10模型的患病幼鱼识别方法是由于红;涂万;吴子健;李健;崔智博;杨宗轶;张鑫;王悦设计研发完成,并于2024-10-23向国家知识产权局提交的专利申请。

一种基于改进YOLOv10模型的患病幼鱼识别方法在说明书摘要公布了:本发明提出一种基于改进YOLOv10模型的患病幼鱼识别方法,包括采集水域中的鱼类图像作为待检测图像,将待检测图像进行预处理,得到图像数据集;构建YOLOv10‑UDFishNet模型;将图像数据集输入到YOLOv10‑UDFishNet模型中,通过图像数据集训练YOLOv10‑UDFishNet模型,得到训练后的YOLOv10‑UDFishNet模型;将待检测的水域中鱼类图像输入训练后的YOLOv10‑UDFishNet模型中,得到鱼类检测结果和鱼类个体目标的位置信息。本发明能够在精确且高效识别出浑浊水下环境中的患病幼鱼。

本发明授权一种基于改进YOLOv10模型的患病幼鱼识别方法在权利要求书中公布了:1.一种基于改进YOLOv10模型的患病幼鱼识别方法,其特征在于,包括如下步骤: S1.采集水域中的鱼类图像作为待检测图像,将所述待检测图像进行预处理,得到图像数据集; S2.构建YOLOv10-UDFishNet模型,包括将YOLOv10模型的骨干网络中Stage1和Stage2的跨步卷积替换为SPD-Conv模块,在YOLOv10模型的骨干网络加入辅助分支,将在YOLOv10模型的颈部网络中加入HFG-basedfusion特征融合方法,将YOLOv10模型的损失函数替换为SlideLoss损失函数,得到所述YOLOv10-UDFishNet模型; S3.将步骤S1中预处理后得到的所述图像数据集输入到步骤S2获得的所述YOLOv10-UDFishNet模型中,通过所述图像数据集训练所述YOLOv10-UDFishNet模型,得到训练后的YOLOv10-UDFishNet模型; S4.将待检测的水域中鱼类图像输入步骤S3中得到的所述训练后的YOLOv10-UDFishNet模型中,得到鱼类检测结果和鱼类个体目标的位置信息; 所述步骤S2中,所述辅助分支包括第一辅助分支和第二辅助分支,所述第一辅助分支与Stage1并联,所述第二辅助分支与Stage2并联; 所述第一辅助分支包括依次连接的SPD-Conv模块和改进ShuffleBlock模块,所述第二辅助分支包括改进ShuffleBlock模块;所述改进ShuffleBlock模块包括改进特征提取单元和改进下采样单元; 所述改进特征提取单元为将ShuffleNetv2的基本模块ShuffleBlock中特征提取单元的深度可分离卷积后的1×1卷积替换为部分卷积,所述部分卷积对部分输入通道执行标准的卷积操作以提取空间特征,其余通道保持不变,所述部分卷积的部分比例为r=12; 所述改进下采样单元为将ShuffleNetv2的基本模块ShuffleBlock中下采样单元的深度可分离卷积替换为SPD-Conv模块。

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大连海洋大学,其通讯地址为:116023 辽宁省大连市沙河口区黑石礁街52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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。