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！

龙图腾网获悉厦门大学申请的专利一种基于视频监控的球形棕囊藻赤潮自动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：CN119964054B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510041522.4，技术领域涉及：G06V20/40；该发明授权一种基于视频监控的球形棕囊藻赤潮自动检测方法是由张彩云;徐博兴;黄水英设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种基于视频监控的球形棕囊藻赤潮自动检测方法在说明书摘要公布了：本发明公开了一种基于视频监控的球形棕囊藻赤潮自动检测方法，包括以下步骤：S1、利用浮标平台上的高清监控摄像头采集海面的图像数据，将图像数据实时传输到数据库后，并对图像数据进行预处理；S2、制定标注方案，对预处理后的图像数据进行标注，构建训练样本库；S3、对YOLOv8目标检测模型进行训练和优化，得到球形棕囊藻识别模型；S4、将待识别视频监控图片按一定时间间隔进行抽帧处理，再将每帧图片输入球形棕囊藻识别模型进行识别，自动生成球形棕囊藻赤潮监测信息；该方法通过结合视频监控技术与人工智能目标检测算法，可实现对球形棕囊藻赤潮时产生的囊体实现高效、准确监测，从而显著提升球形棕囊藻赤潮监测的实时性和自动化水平。

本发明授权一种基于视频监控的球形棕囊藻赤潮自动检测方法在权利要求书中公布了：1.一种基于视频监控的球形棕囊藻赤潮自动检测方法，其特征在于，包括以下步骤： S1、利用浮标平台上的高清监控摄像头采集海面的图像数据，将图像数据实时传输到数据库后，并对图像数据进行预处理； S2、制定标注方案，对预处理后的图像数据进行标注，构建训练样本库； S3、对YOLOv8目标检测模型进行训练和优化，得到球形棕囊藻识别模型； 步骤S3中对YOLOv8目标检测模型进行训练的具体过程为： S31、利用训练样本库中的标注数据作为输入数据集，并将图像数据调整为448×448×3；标注数据包括目标的类别c以及目标在图像中的边界框坐标x,y,w,h，其中，x和y分别为目标中心点的横坐标和纵坐标；w和h分别为目标的宽和高； S32、YOLOv8目标检测模型的主干网络基于卷积神经网络结构，通过一系列卷积层和下采样层对输入图像进行特征提取，卷积操作的计算公式为： ， 其中，Fi,j,k表示特征图中的元素；Wm,n,c,k表示卷积核权重；Ii+m,j+n,c为输入图像的像素值；bk为偏置项；经过卷积操作，提取图像的空间特征并进行下采样； S33、YOLOv8目标检测模型采用特征金字塔网络结构进行多尺度融合，通过融合不同尺度的特征，掌握全局信息和局部细节； S34、在目标检测阶段，YOLOv8目标检测模型在图像的每个网格上预测目标的类别和边界框信息，对于每个预测网格，YOLOv8目标检测模型输出一个向量： ， 其中，和分别为预测边界框的中心点相对于网格的横向偏移量和纵向偏移量；和分别为预测边界框的宽度和高度；pc为目标的置信度；分别为各个目标类别的概率分布； S35、YOLOv8目标检测模型通过以下损失函数进行训练： ， 其中，L为损失函数；Lbbox为边界框损失，边界框损失衡量预测的边界框与真实边界框之间的差异，使用IoU损失或GIoU损失进行计算；Lobj为置信度损失，置信度损失衡量预测的目标置信度与实际目标存在性的差异；Lclass为类别损失，类别损失衡量预测的目标类别与真实类别之间的差异，使用交叉熵损失或焦点损失提高对少量类别的识别能力； S4、将待识别视频监控图片按一定时间间隔进行抽帧处理，再将每帧图片输入球形棕囊藻识别模型进行识别，自动生成球形棕囊藻赤潮监测信息。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。