Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 农业农村部南京农业机械化研究所王朕获国家专利权

农业农村部南京农业机械化研究所王朕获国家专利权

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!

龙图腾网获悉农业农村部南京农业机械化研究所申请的专利养殖鱼类患病及生长趋势联合预测与评估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:CN120580088B

龙图腾网通过国家知识产权局官网在2025-10-28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:202511087184.4,技术领域涉及:G06Q50/02;该发明授权养殖鱼类患病及生长趋势联合预测与评估方法是由王朕;曹光乔;陈聪设计研发完成,并于2025-08-05向国家知识产权局提交的专利申请。

养殖鱼类患病及生长趋势联合预测与评估方法在说明书摘要公布了:本发明公开了养殖鱼类患病及生长趋势联合预测与评估方法,涉及智能化水产养殖技术领域,采集水质数据以及鱼类生长健康状态数据,并进行归一化与标准化处理;基于预处理后的数据,提取特征变量。本发明通过构建融合LSTM与软注意力机制的多任务学习模型,能够有效捕捉水质参数的时间序列特征,并动态聚焦于对鱼类生长和患病影响显著的关键时间点,相比传统单一任务模型或浅层学习方法,在处理非线性、时序性强、波动频繁的养殖环境数据时表现出更高的预测精度,同时,模型通过共享层提取通用特征,增强了不同任务之间的信息交互,提升了整体结构的稳定性与泛化能力,减少了过拟合风险,适用于多种养殖场景。

本发明授权养殖鱼类患病及生长趋势联合预测与评估方法在权利要求书中公布了:1.养殖鱼类患病及生长趋势联合预测与评估方法,其特征在于,包括以下步骤: 步骤1,采集水质数据以及鱼类生长健康状态数据,并进行归一化与标准化处理; 步骤2,基于预处理后的数据,提取特征变量,并选择皮尔逊相关系数计算特征变量与包括鱼类患病比例、生长速度的预测输出值之间的关系; 步骤3,构建多任务学习框架,设计共享层提取通用特征,分别构建鱼类生长速度预测和患病比例预测分支,具体包括:构建多任务学习模型框架,包括输入层和共享层,其中,输入层接收预处理后的水质参数和鱼类生长健康数据,通过共享层对输入数据进行特征提取,学习输入特征的通用表示,捕捉不同任务之间的共有信息,其中,共享层由若干神经元组成,采用全连接层实现; 在共享层的基础上,分别构建两个任务分支:鱼类生长速度预测分支和患病比例预测分支,其中,生长速度预测分支针对鱼类体重增长进行回归建模,将共享层的输出传递到一个或多个全连接层,输出鱼类生长速度的预测值,即体重增长预测值;患病比例预测分支针对鱼类患病情况进行分类建模,将共享层的输出传递到一个或多个全连接层,最终通过Sigmoid激活函数输出患病比例的预测值; 为两个任务分支分别定义损失函数,其中,鱼类生长速度预测分支采用均方误差作为损失函数;患病比例预测分支采用二元交叉熵损失函数,评估预测概率与实际标签之间的匹配程度,并将两个任务的损失函数加权求和得到总损失函数,通过反向传播计算损失函数对模型参数的梯度,逐层将误差从输出层传递到输入层,从而更新参数以最小化损失; 步骤4,在输入层与共享层间嵌入LSTM,捕捉水质时序特征,并通过软注意力机制增强模型对动态变化的感知能力; 步骤5,划分训练集与测试集,使用训练集数据训练模型,通过反向传播更新参数,优化模型性能,使用Adam优化器调整超参数,最小化联合损失函数; 步骤6,利用训练好的模型对测试集数据进行预测,通过均方根误差和平均绝对误差评估模型的预测效果,进而进行养殖鱼类患病及生长趋势联合预测。

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农业农村部南京农业机械化研究所,其通讯地址为:210014 江苏省南京市玄武区中山门外柳营100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。

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。