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！

龙图腾网获悉昆明理工大学申请的专利多维度特征协同的鱼群摄食强度量化识别方法及模型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：CN120014507B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510020075.4，技术领域涉及：G06V20/40；该发明授权多维度特征协同的鱼群摄食强度量化识别方法及模型是由杨玲;文盛宇;沈韬;彭云川;符冠位设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本多维度特征协同的鱼群摄食强度量化识别方法及模型在说明书摘要公布了：本发明涉及图像识别技术领域，尤其涉及一种多维度特征协同的鱼群摄食强度量化识别方法及模型，通过采集鱼群摄食的视频数据，提取所述第一图像中的所述鱼类个体和所述投饵机之间的距离信息，提取所述第二图像中的鱼类个体运动特征信息，提取所述第三图像中的鱼类个体的鱼类目标部位特征信息，以及提取所述第四图像中的水面饵料数量信息和水面波纹信息；根据各个所述鱼类个体的所述距离信息、所述鱼类个体运动特征信息、所述鱼类目标部位特征信息、所述水面饵料数量信息和所述水面波纹信息，确定鱼群摄食强度识别结果；旨在解决如何结合鱼类个体运动特征与空间特征信息进行鱼群摄食强度识别的问题。

本发明授权多维度特征协同的鱼群摄食强度量化识别方法及模型在权利要求书中公布了：1.一种多维度特征协同的鱼群摄食强度量化识别方法，其特征在于，所述方法包括以下步骤： 采集鱼群摄食的视频数据，并分别提取所述视频数据中同时包含鱼类个体和投饵机的第一图像，包含鱼类运动轨迹的第二图像，包含鱼类目标部位的第三图像以及包含饵料和水面波纹的第四图像； 提取所述第一图像中的所述鱼类个体和所述投饵机之间的距离信息，提取所述第二图像中的鱼类个体运动特征信息，提取所述第三图像中的鱼类个体的鱼类目标部位特征信息，以及提取所述第四图像中的水面饵料数量信息和水面波纹信息； 根据各个所述鱼类个体的所述距离信息、所述鱼类个体运动特征信息、所述鱼类目标部位特征信息、所述水面饵料数量信息和所述水面波纹信息，确定鱼群摄食强度识别结果； 所述第二图像包括多个连续的RGB图像帧，所述提取所述第二图像中的鱼类个体运动特征信息的步骤包括： 采用光流法处理多个连续的所述RGB图像帧； 计算相邻的所述RGB图像帧之间的像素位移信息，根据所述像素位移信息计算所述鱼类个体的运动方向信息和速度分量信息； 根据多个相邻所述RGB图像帧之间计算得到的运动方向信息，确定所述鱼类个体的转角度信息，以及根据多个相邻所述RGB图像帧之间计算得到的速度分量信息，计算所述鱼类个体的加速度信息； 将所述速度分量信息、所述转角度信息和所述加速度信息，确定为所述个体运动特征信息； 所述提取所述第四图像中的水面饵料数量信息和水面波纹信息的步骤包括： 预处理所述第四图像，以降低所述第四图像中的随机噪声并均衡亮度； 采用基于DETR框架的DINO目标检测算法，定位预处理后的所述第四图像中水面上的饵料残留区域，并提取所述饵料残留区域中的水面饵料数量信息； 以及，通过图像频谱分析技术提取所述第四图像中表征水面波纹的波峰位置和波长分布，采用时间序列技术分析所述波峰位置和所述波长分布，确定出所述水面波纹信息； 所述根据所述距离信息、所述鱼类个体运动特征信息、所述鱼类目标部位特征信息、所述水面饵料数量信息和所述水面波纹信息，确定鱼群摄食强度识别结果的步骤包括： 将所述距离信息、所述鱼类个体运动特征信息、所述鱼类目标部位特征信息、所述水面饵料数量信息和所述水面波纹信息输入至鱼群摄食强度识别与量化模型中，其中，所述鱼群摄食强度识别与量化模型包括时空特征融合模块及自注意力机制，所述自注意力机制用于提取各模态数据的全局与局部特征，并分配权重； 获取所述鱼群摄食强度识别与量化模型输出的鱼群摄食强度识别结果。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253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。