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！

龙图腾网获悉南京邮电大学申请的专利基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类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：CN119274202B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202411192526.4，技术领域涉及：G06V40/10；该发明授权基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法是由顾子杰;陈冠宇;吴伟;胡晗;史晓冰;房佳明设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法在说明书摘要公布了：本发明公开了基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法，该方法首先在图像获取层面运用多尺度的Retinex算法对获取的模糊光图像进行图像增强处理；接着在图像识别层面运用改进的BC‑YOLOv6算法，将YOLOv6的Backbone与双向结构的Transformer层的BiFormer相结合，同时在其架构中引入坐标注意力机制模块，提高对小目标的识别率，改进非极大值抑制，设计相关函数；最后在图像分类层面运通过定义了特征矩阵并改进了粒子群算法，获取选择后的特征矩阵实现了对图像的分类。仿真结果显示，本发明可以有效地减少人力和算力成本，显著的提高对图像的增强处理，进一步提高遮挡条件下的水底鱼群图像识别分类的监测率与正确率、特征表达能力与图像分类性能。

本发明授权基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法在权利要求书中公布了：1.一种基于粒子群和改进YOLOv6的复杂环境下鱼群识别与分类方法，其特征在于，所述方法包括如下步骤： 步骤1：图像获取模块对无人船收集养殖塘内各种鱼类图像数据； 借助多尺度Retinex算法，对获取的模糊光图像进行图像增强处理，提高图像的像素清晰度，为数据库提供经过图像增强处理后的鱼群图像； 步骤2：图像识别模块识别无人船拍下的鱼群图像； 采用改进的BC-YOLOv6算法进行图像识别与粒子群算法分类图像的方法，BC-YOLOv6算法，将YOLOv6的Backbone与双向结构的Transformer层的BiFormer相结合，同时在其架构中引入坐标注意力机制模块CA，图像识别模块，借助改进的BC-YOLOv6算法，提高了遮挡图像训练的深度模型准确度，包括如下步骤： 将输入的二维特征图片划分成S×S个包含H×W×S2个特征向量的像素点，对像素点进行线性映射后，根据Q和K计算粗粒度区块的相关性，公式如下： Q＝XrWq,K＝XrWk,V＝XrWv 其中，δ为查询向量；K为键向量；V为值向量； 在粗粒度区域块上计算注意力权重，计算公式如下： Ar＝QrkrT Tr＝topklndexAr 其中，Qr和Kr为Q、K每个区域的平均值；Ar为区域间特征值相关性的邻接矩阵；Tr为索引矩阵； 将每个Token最相关的Topk粗粒度区域作为键和值参与运算； 定义了一个函数使用该函数为被抑制的检测框提供较小分值，使得部分检测框在一定概率下被保留使得： 其中，Si为预测框最终得分；GIOU为预测框与M之间的交互比；Nt为预定义阈值， 从而利用改进的NMS来提高了遮挡目标的召回率； 步骤3：图像分类模块对识别后的鱼群图像进行分类； 通过对特征矩阵的定义以及粒子群算法PSO的改进，获取选择后的特征矩阵，完成对图像的分类，从而获取识别与分类鱼群图像； 图像分类模块，借助对特征矩阵的定义以及粒子群算法PSO的改进，获取选择后的特征矩阵以实现对图像的分类，包括如下步骤： 设定评价函数为FS，其公式如下： FS＝α·DiscriminativeS-β·RedundancyS 其中，FS是特征选择向S的适应度值；α和β是权衡判别性和冗余性的参数；DiscriminativeS是选择的特征在图像分类中的判别性；RedundancyS是选择的特征之间的冗余性； 在粒子群算法的优化过程中，引入粒子群的位置向量为Xi，速度向量为Vi，每个粒子表示一个特征选择解，位置向量中的元素Xij表示第i个粒子中第j个特征是否被选择，粒子群的适应度值为FXi，粒子的位置更新和速度更新分别如下： 其中，w是惯性权重；c1和c2是加速因子；r1和r2是随机数；Pbesti是粒子i历史上适应度最好的位置；Gbest是整个粒子群历史上适应度最好的位置；Sigmoid函数用于将速度映射到[0，1]范围，以确保二进制特征向量的合法性； 定义一个特征矩阵X，其中X[i,j]表示第i个样本的第j个特征； 利用粒子群优化算法获得的特征选择向量S，其中S[j]＝1表示选择第j个特征，S[j]＝0表示不选择第j个特征，借助特征选择向量S，可以得到经过优化的特征矩阵Xopt，其计算方式如下：Xopt[i,j]＝X[i,j]·S[j]； 使用选择后的特征矩阵Xopt进行图像分类，采用支持向量机SupportVectorMachine，SVM作为分类器，其目标是找到一个决策函数f，使得对于给定的图像样本X[i,；]，预测输出Y[i]与实际标签T[i]尽可能接近，其公式如下： 其中，L为损失函数。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区亚东新城区文苑路9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”。