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！

龙图腾网获悉江南大学;无锡市人民医院申请的专利一种基于改进YOLOv8s的寄生虫卵检测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：CN119942533B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411939328.X，技术领域涉及：G06V20/69；该发明授权一种基于改进YOLOv8s的寄生虫卵检测方法是由谢莉;耿俊杰;兰倩;贺魏;李健;杨海麟;王琼设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于改进YOLOv8s的寄生虫卵检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv8s的寄生虫卵检测方法，属于图像处理技术领域。所述方法包括：以YOLOv8s为基线网络，通过融合轻量卷积、注意力机制以及高效颈部网络设计轻量级目标检测模型LCN‑YOLOv8算法，实现对于复杂情况的寄生虫卵的高效检测；通过PA‑C2f模块实现在减少计算量与内存访问的条件下提高模型的特征提取能力；通过SPDConv模块减少特征提取过程中虫卵的细粒度特征损失；此外还通过改进的HSFPN模块增强模型的多尺度特征融合能力；通过结合上述模块，提高模型对于背景遮挡、小虫卵以及低分辨率情况下的检测能力。

本发明授权一种基于改进YOLOv8s的寄生虫卵检测方法在权利要求书中公布了：1.一种基于改进YOLOv8s的寄生虫卵检测方法，其特征在于，所述方法包括： 步骤1：收集寄生虫卵显微图像构建寄生虫卵数据集，根据寄生虫卵种类的个数将寄生虫卵数据集标注为单虫卵数据集和多虫卵数据集，并分别划分为训练集、验证集和测试集； 步骤2：选取YOLOv8s模型作为基线网络，融合轻量卷积、注意力模块与高效颈部网络、构建目标检测模型LCN-YOLOv8，用于检测寄生虫卵； 步骤3：设计PA-C2f模块代替C2f模块进行特征提取，并引入SEAM注意力模块，保证模型的特征提取能力； 步骤4：采用SPDConv模块替换模型中PA-C2f之外的所有常规卷积模块，减少特征提取过程中虫卵的细粒度信息丢失； 步骤5：设计包括特征选择模块与选择性特征融合模块的HSFPN模块作为颈部网络进行特征融合； 步骤6：使用步骤1中构建的训练集对LCN-YOLOv8模型进行训练，引入总损失函数L对模型的训练过程进行约束，并使用Mosaic与Mixup技术在训练过程中进行数据增强扩增样本； 步骤7：使用步骤1中构建的验证集在训练过程中评估模型的性能，调整模型的超参数，若模型性能没有提升，则提前停止训练以保存最佳的模型； 步骤8：将步骤1中构建的测试集中的寄生虫卵显微图像输入保存的最佳模型进行测试，获取寄生虫卵的可视化检测结果； 所述步骤3包括： 在PA-C2f模块中，采用PABlock代替C2f中的Bottleneck结构进行特征提取，并对不同分支的特征进行拼接； 所述PABlock中使用卷积核大小为的PConv进行特征提取，并采用两个卷积核大小为的PWConv层对PConv中未进行处理的通道信息进行利用，在输入特征进行shortcut操作之后引入SEAM模块提升模型对于特征的关注能力； 所述PABlock中的PConv和PWConv呈现倒置残差结构，且只在中间的PWConv层使用BN层与RELU激活函数，扩展特征图的通道数量； 所述步骤5中特征选择模块通过SEAM注意力模块对进行特征筛选，并使用SPDConv调整通道数； 所述选择性特征融合模块通过将特征映射中的高级信息和低级信息进行融合，生成包含语义信息的高级特征图和低级特征图； 所述选择性特征融合模块对高级特征图使用步长为2、卷积核大小为的转置卷积进行扩展，得到大小为的特征图；使用双线性插值对高级特征图进行上采样或下采样，得到新的特征图，的表达式为： 其中，BL为双线性插值操作，为转置卷积操作； 通过SEAM模块将高层特征图转换为相应的关注权值，得到维度一致的特征后，对低层特征图进行过滤；将过滤后的低层特征图与高层特征图融合，增强模型的特征表示，得到最终的输出，的表达式为： 其中，SEAM表示SEAM模块的权重，表示点乘操作。

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江南大学;无锡市人民医院，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。