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！

龙图腾网获悉广东海洋大学深圳研究院;广东海洋大学申请的专利基于分层自组织网络与尺度自适应的油膜检测方法及系统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：CN120259803B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510763252.8，技术领域涉及：G06V10/764；该发明授权基于分层自组织网络与尺度自适应的油膜检测方法及系统是由徐进;郭泽坤;姚博曦;许博;李博;钱思翰;黄圆媛设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本基于分层自组织网络与尺度自适应的油膜检测方法及系统在说明书摘要公布了：本发明提出一种基于分层自组织网络与尺度自适应的油膜检测方法及系统，涉及油膜检测技术领域。本发明的技术要点包括：对获取的原始雷达图像进行预处理；利用训练好的基于改进生长分层神经气体网络的油膜识别模型对预处理后的雷达图像进行油膜区域识别，获取油膜候选区域；利用改进的多尺度阈值分割算法对油膜候选区域进行分割，获取最终的油膜检测结果。本发明通过引入局部特征增强机制、动态层次调整、自适应误差衰减、稀疏约束优化、实时自适应学习机制，显著提升了检测模型的自适应性、鲁棒性和计算效率。本发明可集成于船载雷达系统中，计算效率高，能够满足船载设备的实时处理需求，适用于海上溢油监测和应急响应等实际应用场景。

本发明授权基于分层自组织网络与尺度自适应的油膜检测方法及系统在权利要求书中公布了：1.基于分层自组织网络与尺度自适应的油膜检测方法，其特征在于，包括： 对获取的原始雷达图像进行预处理； 利用训练好的基于改进生长分层神经气体网络的油膜识别模型对预处理后的雷达图像进行油膜区域识别，获取油膜候选区域；所述基于改进生长分层神经气体网络的油膜识别模型的训练过程包括： 初始化神经元，每个神经元的参考向量为从训练集S中随机选取的样本点；初始化误差变量为零，边的年龄为零； 在增长阶段，每次迭代随机选取输入样本点即某一神经元，计算该神经元与其他所有神经元的欧几里得距离，找到与该神经元相距最近神经元和次近神经元，增加从神经元q出发的所有连接年龄；更新最近神经元的误差变量、神经元及其邻居的参考向量； 若神经元q和神经元s无连接，则创建新连接，否则将该连接年龄重置为零；删除年龄超过阈值的连接，移除无连接的神经元；并插入新神经元； 若某一图的神经元数小于等于2，则剪枝，否则生成其对应的子图；对于每个神经元递归生成子图，并使用多个神经元的感受野作为训练集进行训练，直到达到预设的最大层次深度； 计算备份图和当前图各自的平均量化误差，并比较平均量化误差，若满足停止条件则停止增长并进入收敛阶段； 在收敛阶段，所有神经元的误差变量通过自适应衰减机制进行衰减； 输出各层聚类结果，提取油膜候选区域，训练完成； 利用改进的多尺度阈值分割算法对所述油膜候选区域进行分割，获取最终的油膜检测结果；所述利用改进的多尺度阈值分割算法对所述油膜候选区域进行分割包括： 对所述油膜候选区域，在不同邻域尺度计算局部阈值： ； 式中，表示第k个尺度下像素点的局部阈值；表示局部均值；表示局部标准差；是敏感度系数；表示像素点的局部特征显著性， ； 其中，表示像素点的梯度向量；max表示取最大值； 对各个尺度的局部阈值取平均，生成最终阈值： ； 式中，表示融合后最终阈值；M表示尺度总数；w k 表示第k个尺度下像素点的空间权重； 根据最终阈值对所述油膜候选区域进行分割，提取油膜边界，获取最终的油膜检测结果。

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深圳研究院;广东海洋大学，其通讯地址为：518120 广东省深圳市大鹏新区大鹏街道大鹏办事处深圳国际生物谷海洋生物产业园A栋23栋；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”。