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！

龙图腾网获悉烟台大学;乳山市海洋与渔业安全应急指挥保障中心申请的专利一种基于图像识别的鱼苗健康状态监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：CN120787852B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511299527.3，技术领域涉及：A01K61/10；该发明授权一种基于图像识别的鱼苗健康状态监测方法是由娄方瑞;潘玉兰;付海鹏;张清华;曹泽凯;翟广梁设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本一种基于图像识别的鱼苗健康状态监测方法在说明书摘要公布了：本发明公开了一种基于图像识别的鱼苗健康状态监测方法，输出增强后的鱼苗体表病灶识别图像数据集合；生成多尺度形变感知特征图集合；对多尺度形变感知特征图集合进行自顶向下与横向连接的特征金字塔融合，结合跨层残差复用得到融合特征图集合；输出已训练的双分支分割模型；获得学习式分割概率图与先验分割概率图，基于学习式分割不确定性图、自适应阈值分割不确定性图与边界敏感调制引导图对学习式分割概率图与先验分割概率图进行像素级置信度融合，得到像素级置信度融合掩码；输出最终病灶掩码，生成严重度评分。本发明提高了病灶严重程度评估的一致性、客观性与可重复性。

本发明授权一种基于图像识别的鱼苗健康状态监测方法在权利要求书中公布了：1.一种基于图像识别的鱼苗健康状态监测方法，其特征在于，包括： 采集鱼苗体表病灶识别图像数据集合，并进行预处理，输出增强后的鱼苗体表病灶识别图像数据集合； 将增强后的鱼苗体表病灶识别图像数据集合输入改进混合尺度可变形卷积特征主干网络，生成多尺度形变感知特征图集合； 对多尺度形变感知特征图集合进行自顶向下与横向连接的特征金字塔融合，结合跨层残差复用得到融合特征图集合； 在融合特征图集合上构建双分支分割模块，并进行联合训练，输出已训练的双分支分割模型； 在推理阶段，将增强后的鱼苗体表病灶识别图像数据集合输入已训练的双分支分割模型，获得学习式分割概率图与先验分割概率图，基于学习式分割不确定性图、自适应阈值分割不确定性图与边界敏感调制引导图对学习式分割概率图与先验分割概率图进行像素级置信度融合，得到像素级置信度融合掩码； 对像素级置信度融合掩码实施形态学细化与连通域约束处理，输出最终病灶掩码，基于最终病灶掩码与增强后的鱼苗体表病灶识别图像数据集合计算病灶面积占比指标、边缘不规则度指标与颜色纹理偏离度指标，生成严重度评分； 所述改进混合尺度可变形卷积特征主干网络，包括： 将增强后的鱼苗体表病灶识别图像数据集合作为输入，针对每一幅增强后的鱼苗体表病灶识别图像数据在同一语义层构建输入特征图，并建立基础采样格点坐标集合； 基于增强后的三通道鱼苗体表病灶识别图像的亮度分量在同一语义层计算局部结构张量，得到主方向角、切向单位向量与法向单位向量，并由切向单位向量与法向单位向量构造方向旋转矩阵； 在同一语义层构造各向异性尺度矩阵，各向异性尺度矩阵由方向旋转矩阵、切向尺度因子与法向尺度因子组成； 由混合尺度引导子网络在同一语义层输出尺度集合与像素级权重集合； 在同一语义层上，基于基础采样格点坐标在切向单位向量方向上的标量坐标与亮度分量的二阶导近似得到的像素级曲率生成曲率对齐偏移场； 通过边界敏感调制引导图与局部高频能量度量图在同一像素位置执行逐元素乘法运算，得到边界敏感调制门控图，在同一语义层利用边界敏感调制门控图对曲率对齐偏移场进行像素级缩放，得到调制后的曲率对齐偏移场； 在同一语义层对基础采样格点坐标进行各向异性变换与曲率对齐偏移，将切向尺度因子与法向尺度因子经方向旋转矩阵组合形成调制后的各向异性尺度矩阵，并按尺度集合中的尺度参数进行放缩，叠加调制后的曲率对齐偏移场，得到变换采样坐标； 在每一个尺度参数下通过变换采样坐标在输入特征图上取得响应值并与权重集合和偏置组合得到尺度—形变联合响应，并按像素级权重集合对所有尺度参数下的尺度—形变联合响应进行像素级加权混合，得到同一语义层的混合尺度形变感知特征； 通过通道拼接的方式将不同尺度参数下的混合尺度形变感知特征在通道维度上进行聚合，形成多尺度形变感知特征图集合； 所述构建双分支分割模块，包括： 将融合特征图集合与增强后的鱼苗体表病灶识别图像数据及病灶真值掩码组成训练样本集合； 在学习式分割分支上，将融合特征图集合中的每一个金字塔语义层的融合特征图按照该层的特征步长与目标层的特征步长之间的比值进行空间对齐，对齐后的所有融合特征图在统一对齐分辨率下以像素级融合权重进行线性加权，得到聚合特征后执行卷积映射并施加Sigmoid映射，得到学习式分割概率图； 在自适应阈值分割先验分支上，以亮度分量与阈值场的差值经斜率系数缩放后输入Sigmoid映射计算得到先验分割概率图； 构建双分支分割模块的监督目标，定义学习式分割分支监督损失、先验分支监督损失和双分支一致性损失，并进行加权求和，通过最小化联合训练目标对双分支分割模块的参数进行优化后输出已训练的双分支分割模型。

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烟台大学;乳山市海洋与渔业安全应急指挥保障中心，其通讯地址为：264005 山东省烟台市莱山区清泉路30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。