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！

龙图腾网获悉宁波韦尔德斯凯勒智能科技有限公司;宁波大学申请的专利基于改进YOLOv8算法的水下目标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：CN120356084B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510841459.2，技术领域涉及：G06V20/05；该发明授权基于改进YOLOv8算法的水下目标识别方法是由王宝磊;吴可;罗心洁;张树青;贾庆伟;李伟平;王刚;侯亚飞;王会明设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于改进YOLOv8算法的水下目标识别方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv8算法的水下目标识别方法，将水下图像输入到水下目标检测的改进YOLOv8n模型中，得到输出的水下目标识别结果。其优点在于：骨干网络P5层和颈部网络最后一层的卷积块采用DSConv，降低了网络复杂性并提高推理速度；骨干网络第四C2f模块采用引入了倒置残差注意力机制和双通道卷积的C2f_DiRMB模块，增强网络捕捉关键全局信息的能力，降低训练参数，从而提升对复杂场景的理解；最后，头部网络中增设了提高对小目标检测能力的小目标检测头；使本水下目标识别方法在mAP@0.5%、mAP@0.5‑0.95%、精确率和召回率上分别提高了0.5%、0.8%、0.5%和1.0%。

本发明授权基于改进YOLOv8算法的水下目标识别方法在权利要求书中公布了：1.一种基于改进YOLOv8算法的水下目标识别方法，具体包括如下步骤： 将水下图像输入到水下目标检测模型中，得到所述水下目标检测模型输出的水下目标识别结果； 其特征在于， 所述水下目标检测模型为改进YOLOv8n模型，所述改进YOLOv8n模型由骨干网络Backbone、颈部网络Neck和头部网络Head连接组成，所述骨干网络Backbone的P5层卷积块和颈部网络Neck的最后一层卷积块采用深度可分离卷积DSConv；所述骨干网络Backbone的第四C2f模块采用引入了倒置残差注意力机制iRMB和双通道卷积DualConv的C2f_DiRMB模块；所述头部网络Head中增设了提高对小目标检测能力的小目标检测头； 所述C2f_DiRMB模块包含了特征增强和双路径特征提取；在特征增强方面，引入倒置式特征扩展iRMB方法，先扩展特征维度，再采用高效卷积操作；在特征提取层面，采用并行双分支结构的双通道卷积DualConv，双通道卷积DualConv结合了3×3卷积核与1×1卷积核，在同一输入特征图通道上并行处理，其中一路使用常规卷积捕捉局部特征，另一路采用大感受野操作提取全局特征，两路特征在输出阶段通过自适应的加权融合策略进行组合； 增设小目标检测头具体包括： 浅层特征适配与增强：对骨干网络Backbone的P2层特征进行三级上采样，将其分辨率适配至检测需求，结合颈部网络Neck的最后一层的深度可分离卷积DSConv提取小目标的高频边缘与纹理信息； 多级特征互补：将浅层检测头的局部特征与中尺度、深层检测头的全局特征进行拼接融合； 动态检测范围优化：通过四级检测头的协同工作，构建自适应尺度响应机制，浅层检测头聚焦2×2像素级微目标，中尺度检测头处理4×4至8×8像素目标，深层检测头锚定大范围目标； 其中，所述深度可分离卷积DSConv具体为：首先，卷积核通过KDS模块进行量化，生成量化后的卷积核VQK；然后，KDS模块的输出被扩展以匹配量化后的卷积核VQK的维度，并通过残差连接RES与量化后的卷积核VQK相结合；且上述过程通过卷积分布移位CDS来近似原始卷积操作。

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宁波韦尔德斯凯勒智能科技有限公司;宁波大学，其通讯地址为：315502 浙江省宁波市奉化区西坞街道经济开发区尚桥科技工业园通站路56号(自主申报)；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。