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！

龙图腾网获悉浙江大学申请的专利一种水下原位鱼类无标签样本检测方法及设备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：CN120976535B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511503809.0，技术领域涉及：G06V10/25；该发明授权一种水下原位鱼类无标签样本检测方法及设备是由顾艳镇;王迪;刘韬;贺双颜;李培良设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本一种水下原位鱼类无标签样本检测方法及设备在说明书摘要公布了：本发明公开了一种水下原位鱼类无标签样本检测方法及设备。该方法包括获取由水下观测平台的单目摄像机拍摄的原位图像，并构建一个图像‑文本结构化的知识库；从知识库中提取检测模型的训练及验证数据集，并将数据集划分为闭集类别和开放世界类别；接收用户输入的描述待检测数据集的自然语言文本指令，并生成目标类别的文本特征向量；通过视觉‑文本语义空间训练得到靶向性辅助模型，对原位图像的视觉特征和类别的文本特征进行动态交互式融合，并对目标模型进行端到端联合优化；利用优化后的目标模型对水下原位图像中出现的鱼类进行无标签检测。本发明能够有效识别训练时未见的新物种，可在无标签观测样本上实施跨域推理，降低再训练与维护成本。

本发明授权一种水下原位鱼类无标签样本检测方法及设备在权利要求书中公布了：1.一种水下原位鱼类无标签样本检测方法，其特征在于，包括： 步骤1、获取由水下观测平台的单目摄像机拍摄的原位图像，并基于渔业领域先验知识，将图像中出现的鱼类类别解耦为多层级分类标识和多组合的视觉属性标识，构建一个图像-文本结构化的知识库； 步骤2、从所述知识库中提取检测模型的训练及验证数据集，并将所述数据集划分为闭集类别和开放世界类别； 步骤3、接收用户输入的描述待检测数据集的自然语言文本指令，利用视觉-语言模型的文本编码器对所述自然语言文本指令进行编码，以生成目标类别的文本特征向量； 步骤4、采用预训练视觉-语言模型对图-文对数据集进行视觉-文本语义空间特征对齐训练，得到靶向性辅助模型； 步骤5、构建一个包含待优化的目标模型和正则化参照的靶向性辅助模型的协同架构；对原位图像的视觉特征和类别的文本特征进行动态交互式融合；基于结构化知识引导的多任务学习模块与靶向性辅助模型作指导的特征空间正则化损失函数共同构成一个复合损失对目标模型进行端到端联合优化； 步骤6、利用优化后的目标模型对水下原位图像中出现的鱼类进行无标签检测，定位闭集鱼类目标和开放世界鱼类目标的位置并进行分类； 所述步骤4具体包括： 步骤4.1、初始化一个由图像编码器和文本编码器构成的预训练视觉-语言模型作为基础模型； 步骤4.2、利用闭集类别的数据集和目标类别的文本特征向量构成用于模型训练的图-文对； 步骤4.3、在视觉-文本语义空间训练中，通过在所述图-文对上进行对比学习来对基础模型的权重进行优化，最大化匹配的图像视觉特征与文本特征之间的相似度，最小化不匹配的图像视觉特征与文本特征之间的相似度，以学习水下鱼类领域的视觉概念与文本描述之间的对应关系，并将训练后的模型作为靶向性辅助模型。

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浙江大学，其通讯地址为：310012 浙江省杭州市西湖区余杭塘路866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。