Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜广东海洋大学;南方海洋科学与工程广东省实验室(湛江)张莹获国家专利权

恭喜广东海洋大学;南方海洋科学与工程广东省实验室(湛江)张莹获国家专利权

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!

龙图腾网恭喜广东海洋大学;南方海洋科学与工程广东省实验室(湛江)申请的专利基于多任务主动学习框架的鱼类投喂方法和装置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:CN120108046B

龙图腾网通过国家知识产权局官网在2025-07-04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:202510589768.5,技术领域涉及:G06V40/20;该发明授权基于多任务主动学习框架的鱼类投喂方法和装置是由张莹;杨仁友;周天宇;揭磊平;王超;李镇涛;王瑜杰设计研发完成,并于2025-05-08向国家知识产权局提交的专利申请。

基于多任务主动学习框架的鱼类投喂方法和装置在说明书摘要公布了:本发明公开一种基于多任务主动学习框架的鱼类投喂方法和装置,在多任务学习模型的基础上,融合主动学习框架,并结合信息熵和近似贝叶斯推理来分别计算摄食强度分类任务和残饵计数任务的不确定度分数,通过加权的方式计算总的不确定度分数选择主动学习过程中的待标记样本。通过标注专家与模型的交互训练,不仅能够以更少的训练样本来达到与完全监督学习近似的性能,同时使模型在交互过程中往往能够纠正人工标注中的错误,以达到数据标注成本的降低以及提升模型识别准确性的效果。

本发明授权基于多任务主动学习框架的鱼类投喂方法和装置在权利要求书中公布了:1.一种基于多任务主动学习框架的鱼类投喂方法,其特征在于,包括: 步骤S1、构建鱼群摄食行为数据集和多任务主动学习框架;其中; 构建鱼群摄食行为数据集包括: 步骤11、利用构建的实验环境获取鱼群摄食行为视频;其中,实验环境包括:循环水养殖系统、视频采集系统和数据传输系统; 步骤12、根据鱼群摄食行为视频,得到鱼群摄食图像;其中,采取每5s抽取一帧的方式进行图像筛选,得到鱼群摄食图像; 步骤13、对鱼群摄食图像进行裁剪,将鱼群摄食图像中的无关背景裁剪掉,裁剪图像的分辨率为10241024,接着对裁剪后的鱼群摄食图像进行缩放,最终缩放的图像分辨率大小为512512; 步骤14、将裁剪和缩放后的鱼群摄食图像作为鱼群摄食行为数据集;其中,将鱼群摄食行为数据集按照7:1:2的比例分为训练集、验证集和测试集; 所述多任务主动学习框架包括:标注专家、未标记样本池、标记样本池、多任务学习模型和多任务推理网络; 步骤S2、在未标记样本池中随机选择张图像样本作为初始样本,并由标注专家进行标注,标注完后会放入标记样本池中,根据标注后的初始样本对多任务学习模型进行初始训练,得到初始模型;多任务学习模型包括:特征共享网络、摄食强度分类网络、残饵计数网络,摄食强度分类网络和残饵计数网络分别连接特征共享网络; 步骤S3、通过多任务推理网络将初始模型在未标记样本池中通过进行样本推理,分别计算未标记样本池中每张图像样本的摄食强度分类不确定度分数和残饵计数回归不确定度分数,并通过加权的方式计算总不确定度分数,选择总的不确定分数最高的前张图像样本作为待标记样本,并继续进行专家标注,标注完之后放入标记样本池中,在初始模型的基础上进行迭代训练模型,直到达到评价指标的阈值或者达到最大的迭代次数,得到最终的多任务学习模型; 步骤S4、将实时获取鱼群摄食行为视频输入到最终的多任务学习模型预测鱼群摄食强度和残饵数量,同时输出应用对应的投喂策略。

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广东海洋大学;南方海洋科学与工程广东省实验室(湛江),其通讯地址为:524088 广东省湛江市麻章区海大路1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。