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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利基于多任务学习的浮游植物显微图像识别与细胞计数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：CN120411966B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510899408.5，技术领域涉及：G06V20/69；该发明授权基于多任务学习的浮游植物显微图像识别与细胞计数方法是由贾仁庆;殷高方;赵南京;张靖泽;袁昌彪;梁天鸿设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。

本基于多任务学习的浮游植物显微图像识别与细胞计数方法在说明书摘要公布了：本发明公开了基于多任务学习的浮游植物显微图像识别与细胞计数方法，属于资源与环境领域，以ResNet50为骨干网络提取藻类群体细胞显微图像的深度特征，将深度特征分别输入分类分支和计数分支两个并行的处理分支。分类分支通过全连接层和Softmax层输出显微图像的藻类种属识别结果；计数分支引入多尺度特征融合模块，提升模型对不同单细胞形态差异、细胞重叠现象的鲁棒性，构建藻细胞密度估计的回归模型，统计藻细胞数。模型训练采用多任务学习策略，其损失函数由藻种属识别的交叉熵损失、细胞密度图估计的均方误差损失两部分组成，并通过交替训练法进行模型参数更新，实现了浮游植物种属的准确识别和群体细胞的准确计数。

本发明授权基于多任务学习的浮游植物显微图像识别与细胞计数方法在权利要求书中公布了：1.一种基于多任务学习的浮游植物显微图像识别与细胞计数方法，其特征在于，包括以下步骤： 步骤一、构建数据集：标注浮游植物种属类别，并对显微图像中每个细胞中心坐标进行点标注，通过高斯核函数将点标注转化为细胞密度图； 步骤二、特征提取：以ResNet50为骨干网络提取显微图像深度特征； 步骤三、分类分支：将深度特征输入全连接层和Softmax层，输出藻类种属识别结果； 步骤四、计数分支：对骨干网络conv3_x、conv4_x、conv5_x输出的特征进行通道统一与特征提取；通过上采样将多尺度特征自顶向下融合，生成多尺度融合特征；将融合特征输入回归模块，输出细胞密度图并求和得细胞数量； 计数分支的多尺度特征融合包括：使用卷积统一conv3_x、conv4_x、和conv5_x模块输出的特征通道数，利用卷积对压缩后的特征进一步特征提取后，通过上采样技术将三个不同空间分辨率的特征进行自顶向下的加法融合； 回归模块通过卷积和卷积逐步将多尺度融合特征的通道数压缩至1； 步骤五、模型训练：采用交替训练策略更新参数，交替优化分类分支与计数分支直至收敛。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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”。