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！

龙图腾网获悉广州大学申请的专利基于深度学习的水下结构表观病害识别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：CN115909041B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211716248.9，技术领域涉及：G06V20/05；该发明授权基于深度学习的水下结构表观病害识别方法及系统是由叶锡钧;骆堪辉;罗智源设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于深度学习的水下结构表观病害识别方法及系统在说明书摘要公布了：本发明提供了一种基于深度学习的水下结构表观病害识别方法及系统，其中，方法包括：根据融合模型与目标识别模型结合生成预先设置的水下结构表观病害识别模型；通过预先设置的水下结构表观病害识别模型对水下表观病害进行识别；融合模型通过改进的CycleGAN模型与多尺度Retinex算法MSR网络搭建而成，用于将水下图像转换成特征明显且清晰的图像；所述目标识别模型通过YOLOv5模型进行获取，用于实现水下结构表观病害的定位与分类。本申请通过水下结构表观病害识别模型解决复杂水域下相机成像模糊、对比度不足、色散、噪声等因素，导致水下结构表观病害分类不准确、识别准确率低的问题问题。

本发明授权基于深度学习的水下结构表观病害识别方法及系统在权利要求书中公布了：1.一种基于深度学习的水下结构表观病害识别方法，其特征在于，包括： S1、根据预设的融合模型与预设的目标识别模型结合生成预先设置的水下结构表观病害识别模型； S2、通过所述预先设置的水下结构表观病害识别模型对水下表观病害进行识别； 其中，所述预设的融合模型通过改进的CycleGAN模型与多尺度Retinex算法网络搭建而成，用于将水下图像转换成特征明显且清晰的图像；所述预设的目标识别模型通过YOLOv5模型进行获取，用于实现水下结构表观病害的定位与分类； 所述S1中预先设置的水下结构表观病害识别模型的构建步骤具体包括： S21、采集不同水下环境的图像数据，根据清晰度将所述图像数据划分为清水集和浑水集，按照预定比例将清水集划分为清水训练集和清水验证集，将浑水集划分为浑水训练集和浑水测试集； S22、通过所述清水训练集和浑水训练集对改进的CycleGAN模型进行训练，获取训练好的CycleGAN生成器；将所述训练好的CycleGAN生成器与多尺度Retinex算法网络搭建图像生成融合模型； S23、通过清水集对YOLOv5模型进行训练，并优化YOLOv5模型权重，得到目标识别模型； S24、将所述融合模型与所述目标识别模型进行串联形成水下结构表观病害识别模型； 所述S22中通过所述清水训练集和浑水训练集对改进的CycleGAN模型进行训练具体包括： 对CycleGAN模型进行改进，具体包括：在CycleGAN模型的循环一致性损失之外添加循环感知一致性损失，用于增强单图像去模糊的CycleGAN架构；将CycleGAN模型中的ReLU激活函数替换成SiLu激活函数；将CycleGAN模型中的残差结构替换为注意力机制模块； 通过所述清水训练集和浑水训练集对改进的CycleGAN模型进行训练，从而获取训练好的CycleGAN生成器，所述训练好的CycleGAN生成器用于将模糊图片转化为清晰图片； 所述S22中将所述训练好的CycleGAN生成器与多尺度Retinex算法网络搭建图像生成融合模型具体包括： 通过多尺度Retinex算法网络生成物体本质特征图像； 将所述训练好的CycleGAN生成器转化后的清晰图片和所述物体本质特征图像按照预设的权重比例进行融合。

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州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230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。