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！

龙图腾网获悉中国海洋大学申请的专利一种浮游植物层析序列识别方法及其模型搭建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：CN121838155B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610297079.1，技术领域涉及：G06V20/70；该发明授权一种浮游植物层析序列识别方法及其模型搭建方法是由付民;李佳烜;邓传燕;郑冰设计研发完成，并于2026-03-12向国家知识产权局提交的专利申请。

本一种浮游植物层析序列识别方法及其模型搭建方法在说明书摘要公布了：本发明提供了一种浮游植物层析序列识别方法及其模型搭建方法，属于图像增强识别技术领域；首先获取浮游植物的显微层析序列数据，进行视场提取与序列化重组，构建立体数据集；接着构建包含物理感知与序列聚合机制的立体识别模型，模型采用参数共享的孪生网络提取单帧语义特征，并引入物理清晰度先验模块计算切片的空频域质量评分；然后设计深度感知序列聚合模块，利用清晰度评分作为门控信号，结合切片间的空间上下文信息，自适应聚合高信噪比的关键特征；最后基于图像级弱监督标签对模型进行训练与优化，获得最佳模型。本发明克服了高倍显微成像景深极浅导致的信息截断与离焦噪声干扰问题，能够在无需逐帧精细标注的情况下实现全景深立体感知。

本发明授权一种浮游植物层析序列识别方法及其模型搭建方法在权利要求书中公布了：1.一种浮游植物层析序列识别模型搭建方法，其特征在于，包括以下过程： 步骤1，获取若干组包含多帧连续焦平面切片的浮游植物显微层析序列数据； 步骤2，对层析序列数据执行立体化预处理，构建包含物理深度信息的训练集和测试集； 步骤3，在深度学习框架下搭建融合物理先验与序列聚合的立体识别模型PPSA-Net；模型采用三级级联架构：首先，前端采用参数共享的孪生多尺度特征编码器，通过在时间维度上共享权重的卷积网络对序列中的每一帧切片独立进行特征提取，生成高维语义特征序列；其次，并行设置物理清晰度先验模块，基于拉普拉斯算子与傅里叶变换从图像的空域与频域中提取客观成像质量指标，生成物理先验向量；最后，后端连接深度感知序列聚合模块，引入上下文建模与物理门控机制，利用物理先验向量作为注意力门控信号，指导语义特征在序列维度上的自适应加权融合，生成表征生物体全景深立体形态的全局特征描述符，输入分类器得到浮游植物类别； 其中，物理清晰度先验模块包含空域梯度分析与频域频谱分析两个并行分支，具体计算过程如下： S1，空域清晰度评分计算；利用拉普拉斯算子提取第帧图像的二阶微分边缘信息，并计算其方差作为空域清晰度评分，计算公式为： 其中，表示卷积运算，为拉普拉斯卷积核，其数值矩阵定义为： S2，频域清晰度评分计算；对图像执行二维快速傅里叶变换FFT，计算对数幅度谱中高频区域的平均能量作为频域清晰度评分，计算公式为： 其中，表示高频区域内的像素点总数，为频域坐标，表示图像的傅里叶变换结果，表示累加求和运算； S3，物理先验融合映射；将归一化后的空域评分与频域评分拼接，通过多层感知机映射为与语义特征维度对齐的物理先验向量，计算公式为： 其中，表示归一化操作； 步骤4，基于弱监督学习策略，利用仅包含包级标签的训练集对PPSA-Net模型进行端到端联合训练与参数寻优，选取性能最佳的模型作为最终模型。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。