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基于数字图像处理的深海采矿沉积物羽流浊度预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：CN120032236B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510510066.3，技术领域涉及：G06V20/05；该发明授权一种基于数字图像处理的深海采矿沉积物羽流浊度预测方法是由贾永刚;郭煦;范智涵;卢龙玉;陈翔设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于数字图像处理的深海采矿沉积物羽流浊度预测方法在说明书摘要公布了：本发明提供了一种基于数字图像处理的深海采矿沉积物羽流浊度预测方法,基于海水和深海采矿沉积物羽流对光的不同反射性原理，利用数字图像处理技术，建立了一套基于数字图像处理技术的深海采矿沉积物羽流浊度预测方法，该算法通过程序计算对深海采矿沉积物羽流视频图像进行了一系列处理，如：深海采矿沉积物羽流图像灰度化、图像增强以及图像阈值分割等，并最终提取出深海采矿沉积物羽流图像特征值，该深海采矿沉积物羽流图像特征值可通过与原位观测数据标定以实现深海采矿沉积物羽流真实浊度的反演。

本发明授权一种基于数字图像处理的深海采矿沉积物羽流浊度预测方法在权利要求书中公布了：1.一种基于数字图像处理的深海采矿沉积物羽流浊度预测方法，其特征在于,具体包括以下步骤： 步骤S1、特征提取：多模态特征融合； 首先深海采矿视频图像大小为1080*1920，对获取的高分辨率的深海采矿视频图像进行处理，对视频进行分帧处理，接着对每隔90帧进行一次图处理，包括：计算RGB图像三通道的平均值和标准差，以及灰度化后的平均值和方差，并计算图像的熵，以及图像的对比度，最后将视频帧图像转换为HSV空间，计算HSV空间内图像的H、S、V通道的平均值，最后使用高斯混合模型进行沉积物羽流的图像检测以及羽流面积占比计算，共计14项特征； RBR多参数水质仪观测水体的浊度，在进行图像的特征值计算后，需要确定进行原位观测的RBR多参数水质仪的浊度探头观测区域，即区域Ⅰ，然后根据区域Ⅰ在图像上的坐标提取出该区域的14项特征对应特征值；区域Ⅰ在图像上的坐标为（100，100），边长为200像素的正方形，其中图像的长为1920，宽为1080，图像以左上角为原点，向右向下为正； 步骤S2、模型构建：自适应深度学习框架； 步骤S2-1、数据预处理： 我们为了增加模型的泛化能力，提升数据的丰富程度， 使用dataenhancement进行数据增强的原理和功能为：通过多样化训练数据提升模型对真实场景的适应能力；对原始声呐信号添加高斯噪声σ=0.05，模拟深海悬浮颗粒干扰； 使用regularization进行数据的正则化的原理和功能为：通过约束模型复杂度防止过拟合,在卷积层后加入Dropout比率=0.3，并应用L2正则化λ=0.001； 使用expanddimension增加数据维度的原理和功能为：通过重构输入数据增强特征表达能力,将一维信号分段为多个时间窗口，形成“时间-片段”二维输入，增强时序特征提取能力，通过对图像数据的空间特征进行多维度解构与重组，增强模型对浊度相关局部特征的捕捉能力； 步骤S2-2、模型结构选择： 基于网格搜索法确定最优学习率0.001、批次大小32及迭代次数200，并引入早停机制:耐心值=10轮,以防止训练冗余；采用6层卷积神经网络，每层卷积神经网络后有批正则化BatchNormalization，采用L2正则化λ=0.001及Dropout比率=0.3抑制过拟合；和最大池化层Maxpooling1D2,激活函数采用ReLU，输出层为线性回归单元； 步骤S2-3、模型性能评估： 使用决定系数R2、均方误差MSE和平均绝对误差MAE三个指标来进行评价预测模型的性能；计算公式如下： ， ， ， 指的是真实浊度actualturbidity，第i个水样的实际测量浊度； 指的是模型预测浊度predictedturbidity，模型根据第i个水样的图像特征预测出的浊度； 指的是真实浊度的平均值。

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”。