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！

龙图腾网获悉华南师范大学;广州浩康生物科技有限公司申请的专利面向感知增强与特征蒸馏的高密度微藻检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：CN121033044B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511562834.6，技术领域涉及：G06T7/00；该发明授权面向感知增强与特征蒸馏的高密度微藻检测方法是由刘智明;林信涛;罗诗欢;杨必文;陶成龙;苏成康;杨丹妍;钟会清;郭周义设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本面向感知增强与特征蒸馏的高密度微藻检测方法在说明书摘要公布了：本申请涉及人工智能图像处理与生物检测交叉技术领域，公开了一种面向感知增强与特征蒸馏的高密度微藻检测方法，包括：获取含细胞重叠、边界模糊及跨尺度分布的高密度微藻图像，输入主干网络提取多尺度特征图；通过潜在一致性映射处理优化边界框；经密度感知辅助处理生成微藻密度图并计算密度损失；基于图像复杂度进行自适应去噪；利用双重特征蒸馏框架优化学生模型，增强小尺度微藻检测能力；最终融合各模块结果，输出微藻的位置、类别及数量。本申请，可使高密度微藻检测整体平均准确率提升，降低边界框抖动和小尺度微藻漏检率，同时缩短平均推理时间，满足实时检测需求，为微藻培养过程控制与优化提供可靠数据支撑。

本发明授权面向感知增强与特征蒸馏的高密度微藻检测方法在权利要求书中公布了：1.一种面向感知增强与特征蒸馏的高密度微藻检测方法，其特征在于，包括： 步骤1：获取待检测的高密度微藻图像，该待检测的高密度微藻图像中存在微藻细胞重叠、边界模糊及跨尺度分布的情况； 步骤2：将所述高密度微藻图像输入至主干网络，提取多尺度特征图，所述多尺度特征图包括不同下采样率对应的特征层级及对应捕捉的小至大尺度的微藻特征信息； 步骤3：对所述多尺度特征图中的感兴趣区域特征及扩散时间步长进行潜在一致性映射处理以输出优化后的边界框； 步骤4：对所述多尺度特征图进行密度感知辅助处理以构建微藻密度图、计算密度损失及生成预测不确定性结果； 步骤5：基于所述多尺度特征图，计算待检测微藻图像的复杂度，并基于所述复杂度按照预设的采样步数确定方式确定采样步数后进行自适应去噪； 步骤6：通过双重特征蒸馏框架进行特征蒸馏，所述双重特征蒸馏框架包括教师模型、学生模型及双重蒸馏模块，所述双重蒸馏模块包括全局特征蒸馏分支和小目标感知蒸馏分支；其中，所述全局特征蒸馏分支在多个特征层级间迁移通用表征知识，通过特征自适应层匹配教师模型与学生模型的特征通道维度，并计算全局蒸馏损失；所述小目标感知蒸馏分支针对小尺度微藻区域，通过自适应面积阈值筛选小目标区域特征，并计算小目标感知蒸馏损失；融合所述全局蒸馏损失与小目标感知蒸馏损失得到总蒸馏损失，其中所述总蒸馏损失用于优化学生模型； 步骤7：融合所述优化后的边界框、微藻密度图、预测不确定性结果、自适应去噪的结果及优化后的学生模型，输出高密度微藻的检测结果，所述检测结果包括微藻的位置、类别及数量； 其中，所述微藻密度图基于高斯函数构建，且其用于表征图像中各像素点为微藻中心的可能性；所述微藻密度图的构建公式为： 其中，为坐标处的密度值，为图像中微藻对象的总数量，为高斯函数，为第i个微藻对象的中心位置坐标，为与第i个微藻对象大小相关的协方差矩阵； 其中，所述密度损失通过不确定性感知函数计算，该不确定性感知函数的公式为： 其中，为密度损失，、分别为多尺度特征图中目标层级的特征图的高度和宽度，，为坐标处的真实密度值，为坐标处的预测不确定性。

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华南师范大学;广州浩康生物科技有限公司，其通讯地址为：510000 广东省广州市天河区中山大道西55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。