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！

龙图腾网获悉中国农业大学申请的专利一种基于改进RepVGG的鱼类摄食行为状态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：CN115810217B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211587808.5，技术领域涉及：G06V40/20；该发明授权一种基于改进RepVGG的鱼类摄食行为状态识别方法是由李振波;杨普;苏本浩;王云;岑朝君设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种基于改进RepVGG的鱼类摄食行为状态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RepVGG网络的鱼类摄食行为状态分析方法，通过使用工业摄像机和计算机对养殖池进行图像采集和预处理，并使用多参数传感器采集养殖池的水质信息并实时监控；设计一种RepVGG网络框架用于识别鱼类群进食行为，通过在VGG网络的Block块中加入了Identity和残差分支保证准确率的加速操作，同时加入通道注意力ECA模块降维处理，平衡速度和精度，并采用训练策略提高模型的识别准确率。通过在所构建的鱼群摄食行为数据集上验证，同时与卷积神经网络CNNs进行了比较，经过15个epochs训练后，本发明所提出的方法准确率可达0.97，测试Loss收敛在0.16。本发明可以集成到水产养殖视觉系统中，指导养殖用户规划饲养策略。

本发明授权一种基于改进RepVGG的鱼类摄食行为状态识别方法在权利要求书中公布了：1.一种基于改进RepVGG网络的鱼类摄食行为状态分析方法，其特征在于，包括以下步骤： 步骤1、数据集建立与预处理；具体是使用工业摄像机和计算机对数据集采集系统进行图像采集和预处理；其中，所述数据集采集系统为包括1个养殖池，并使用多参数传感器采集水质信息并实时监控，所采集的水质信息包括当前的水温、溶解氧；用软件进行图像采集和分析，所述图像采集在每次喂食前10分钟开始，共收集喂食之前、喂食期间和喂食之后三个阶段的图像；在投喂前，打开工业摄像机开始视频数据的采集并记录当前养殖池水质的溶解氧、温度；对所获取到的图像进行预处理，具体是用Python代码对视频数据进行预处理，每50帧截取一张图片并Resize成64*64的大小，并划分为训练集以及测试集，并根据当前水环境当中溶解氧以及温度对图片进行类别的划分； 步骤1中，所述养殖池的直径为3.2m，高度为0.6米，中间设有一直径0.5米的圆筒用以排出鱼类的排泄物，所述养殖池依次连接至循环泵、微量滤波器、生物滤波器；采集过程中，计算机被放置在养殖池旁边的控制室，通过双绞线连接工业摄像头，采集环境中设置有光源；将数据集划分为低氧不摄食、低氧摄食、低氧摄食后、正常不摄食、正常摄食、正常摄食后、高温不摄食、高温摄食、高温摄食后九类；所述数据集总共包含3953张图片，其中2648张图片用于训练，1305张图片用于测试； 步骤2、构建识别鱼类群进食行为的模型；具体是设计一种RepVGG网络框架用于识别鱼类群进食行为，具体包括以下子步骤： 步骤S21、利用步骤1所采集到的鱼类摄食行为数据集作为模型的训练集和测试集，统一图像Resize成64*64，输入到目标网络中进行模型预训练； 步骤S22、将训练阶段的RepVGG网络架构设计为包含残差结构，使得网络易于收敛，所述残差结构具有多个分支，在养殖池环境下实现了鱼类群运动行为状态的高精度分析与个体信息保持；将推理阶段的RepVGG网络的整个网络设计为由Conv3*3+ReLU堆叠而成； 步骤S23、设计RepVGG网络结构推理阶段的重参数化过程，包括OP融合过程和OP替换过程；其中，将残差块中的卷积层和BN层进行融合，具体包括首先执行Conv3*3+BN层的融合、Conv1*1+BN层的融合后Conv3*3+BN层的融合，然后，将融合后的卷积层转换为Conv3*3，即将具体不同卷积核的卷积均转换为具有3*3大小的卷积核的卷积； 步骤S23中进行融合时的融合公式表示为如式1所示： 式1中，W表示转换前的卷积层参数，μ表示BN层的均值，σ表示BN层的方差，γ和β分别表示BN层的尺度因子和偏移因子，W和b分别表示融合之后的卷积的权重和偏置； 步骤S24、在所述模型中加入通道注意力ECA模块进行降维处理，平衡速度和精度；所述ECA通过考虑每个通道及其k个邻居来捕获局部跨通道交互信息，ECA通过大小为k的快速卷积来实现，其中，k为卷积核大小，代表局部跨信道交互的覆盖率，与通道维数成正比； 步骤3、模型训练与评价，当达到预期目标后结束训练，具体包括，采用准确度、精确度、召回率以及F1分数来对步骤2所构建的模型进行训练评价，具体是选择包括AlexNet、VGG16、ResNet50、MobileNetV3和RepVGG的算法分别对步骤2所构建的模型进行消融试验，当训练15轮时，所有算法均趋于收敛，但基于RepVGG-ECA的模型精度最高，达到97.47％，同时，loss收敛性趋于0.07。

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中国农业大学，其通讯地址为：100193 北京市海淀区圆明园西路2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。