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！

龙图腾网获悉长沙理工大学申请的专利基于YOLOv8模型的鱼道过鱼实时监测方法及系统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：CN120783293B 。

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：202511294446.4，技术领域涉及：G06V20/52；该发明授权基于YOLOv8模型的鱼道过鱼实时监测方法及系统是由邓斌;向一飞;甘章泽;何沛庭;王陈浩;蒋昌波;倪婧姝;李豫;卢阳林;谢颜武;张家强;刘超;王玲;童子涵;邹世铭设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本基于YOLOv8模型的鱼道过鱼实时监测方法及系统在说明书摘要公布了：本发明公开了一种基于YOLOv8模型的鱼道过鱼实时监测方法及系统，本发明方法包括将采集得到的鱼道图像输入预训练的改进YOLOv8模型以实现鱼道环境下水下目标检测，改进YOLOv8模型的改进包括在YOLOv8模型的主干网络的输入端添加了超分辨多尺度特征聚合模块SR‑MSFA，该模块对输入的鱼道图像的处理包括：将鱼道图像经过一个标准化处理后分别送入多个分支，每一个分支均依次通过1×1卷积、深度可分离卷积和降噪模块，最终和输入特征残差拼接后通过1×1卷积降维得到输出的特征图。本发明旨在解决鱼道环境下浑浊、淤泥、漂浮物对水下目标检测的干扰和挑战，提升鱼道环境下水下目标检测的准确度。

本发明授权基于YOLOv8模型的鱼道过鱼实时监测方法及系统在权利要求书中公布了：1.一种基于YOLOv8模型的鱼道过鱼实时监测方法，其特征在于，包括将采集得到的鱼道图像输入预训练的改进YOLOv8模型以实现鱼道环境下水下目标检测，所述改进YOLOv8模型的改进包括在YOLOv8模型的主干网络的输入端添加了超分辨多尺度特征聚合模块SR-MSFA，所述超分辨多尺度特征聚合模块SR-MSFA对输入的鱼道图像的处理包括：首先将鱼道图像经过一个标准化处理，然后将标准化处理后得到的特征图分别送入多个分支，每一个分支均依次通过1×1卷积升维、深度可分离卷积过滤低可用信息和降噪模块，多个分支中深度可分离卷积的卷积核大小各不相同，最终四个分支得到的特征图和标准化处理后得到的特征图相加后再通过1×1卷积降维处理得到用于输入YOLOv8模型的主干网络的特征图；所述改进YOLOv8模型由主干网络、颈部网络和检测网络构成，其中颈部网络为跨阶段多尺度交叉聚合网络，所述跨阶段多尺度交叉聚合网络包括与主干网络输出的三个不同尺度的特征一一对应的三条特征融合分支，其中第一条特征融合分支用于将主干网络输出的第一个尺度的特征依次通过特征融合模块F、C2f模块、自适应小波降噪模块后送入检测网络的第一个检测头；第二条特征融合分支用于将主干网络输出的第二个尺度的特征依次通过特征融合模块F、C2f模块、上采样模块、特征融合模块F、自适应小波降噪模块后送入检测网络的第二个检测头；第三条特征融合分支用于将主干网络输出的第三个尺度的特征依次通过特征融合模块F、上采样模块、特征融合模块F、自适应小波降噪模块、C2f模块后送入检测网络的第三个检测头；主干网络输出的第一个尺度的特征还分别作为第二条特征融合分支、第三条特征融合分支中第一个特征融合模块F的输入特征，主干网络输出的第二个尺度的特征还作为第三条特征融合分支中第一个特征融合模块F的输入特征；第一条特征融合分支的C2f模块输出的特征还分别作为第二条特征融合分支、第三条特征融合分支中第二个特征融合模块F的输入特征，第二条特征融合分支的C2f模块输出的特征还作为第三条特征融合分支中第二个特征融合模块F的输入特征；第二条特征融合分支中上采样模块输出的特征还作为第一条特征融合分支中第一个特征融合模块F的输入特征，第三条特征融合分支中上采样模块输出的特征还作为第二条特征融合分支中第一个特征融合模块F的输入特征；第一条特征融合分支中自适应小波降噪模块输出的特征还经过一个卷积层处理后作为第二条特征融合分支中第二个特征融合模块F的输入特征；第二条特征融合分支中自适应小波降噪模块输出的特征还经过一个卷积层处理后作为第三条特征融合分支中第二个特征融合模块F的输入特征。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。