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！

龙图腾网获悉武汉理工大学申请的专利水下的基于PLDNET网络的实时东星斑鱼疾病识别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：CN119559490B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411678268.0，技术领域涉及：G06V20/05；该发明授权水下的基于PLDNET网络的实时东星斑鱼疾病识别方法是由周俊伟;薛润尘;秦文涛;黄耀诚;谈诚;杨焱超;向剑文设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本水下的基于PLDNET网络的实时东星斑鱼疾病识别方法在说明书摘要公布了：本发明涉及一种水下的基于PLDNET网络的实时东星斑鱼疾病识别方法，包括以下步骤：S1、数据采集与预处理，采集东星斑鱼类疾病图像数据集，对数据进行预处理；S2、特征提取，将经过预处理后的东星斑病害数据输入特征提取模块，经过多层次深度卷积后得到特征提取结果；S3、特征强化与融合，将特征提取后的东星斑病害数据结果输入特征强化融合模块，强化关键信息的表现，得到强化融合结果；S4、更换损失函数，换改进的最小点距离交并比损失函数，准确定位小目标东星斑病害区域；S5、东星斑鱼病害结果预测，输出多个东星斑鱼病害预测框与类别。本发明实现对东星斑鱼疾病的实时检测，能够快速响应疾病的出现，满足水产养殖中对高效、精准病害检测的需求。

本发明授权水下的基于PLDNET网络的实时东星斑鱼疾病识别方法在权利要求书中公布了：1.一种水下的基于PLDNET网络的实时东星斑鱼疾病识别方法，其特征在于，包括以下步骤： S1、采集东星斑鱼类疾病图像数据集，对数据进行预处理，包括数据增强、标注和数据集划分； 通过以下方法实现数据采集与预处理，具体为： S101、利用东星斑渔场水下摄像头实时采集东星斑鱼疾病图像数据集； S102、对数据集中的东星斑病害图像进行镜像、翻转、裁剪、旋转、平移、模糊、加入噪声和调整亮度的多种图像增强操作，构架PLDD东星斑鱼病数据集； S103、使用Labelme标注软件逐一对增强后数据集图像内的目标病害区域进行精确标注，包括利用关键点标注手动绘制病害轮廓并为每个标注区域分配相对应的病害类别标签，确保每个病害区域都能够被准确标记； S104、将PLDD数据集按照7:2:1的比例划分为训练集、测试集和验证集，其中，训练集用于PLDD模型的预训练，测试集用于对PLDD模型性能的评估与调参，验证集用于模型最终性能的衡量与泛化能力的评估； S2、将经过预处理后的东星斑病害数据输入PLDD网络模型中的特征提取模块，经过多层次深度卷积后得到特征提取结果； 通过以下方法实现特征提取，具体为： S201、将经过预处理后的东星斑病害图像数据输入到PLDNet特征提取网络中，特征提取模块由多层卷积层和残差块层构成，提取东星斑图像中的不同层次特征； S202、Silence层特征抑制，东星斑病害图像进入特征提取模块会首先经过Silence层，用于抑制输入东星斑病害图像中的某些噪声或与病害无关的特征，提高后续层进行特征提取的效果； S203、卷积层特征提取，经过Silence层后使用多层深度卷积操作，逐层提取的病害边缘、纹理、形状的多种局部特征，逐步减小东星斑病害图像尺寸，增加特征图的深度，捕捉更抽象的特征； S204、残差块层特征优化，在特征提取模块部分，每个卷积层之后会附带残差块层，以提升模型的非线性表征能力，通过残差块层进一步提取东星斑病害图像深层特征，使用跳跃连接减少梯度消失问题，通过局部特征的多尺度提取，提升对东星斑病害区域的感知能力； S205、输出特征图，最终，输出多层卷积和残差块层处理后的高维特征图； S3、将特征提取后的东星斑病害数据结果输入特征强化融合模块，经过焦点调制层与多尺度特征融合，综合来自不同层次的东星斑病害特征信息，强化关键信息的表现，得到强化融合结果； 通过以下方法实现特征强化与融合，具体为： S301、将步骤S2中输出的特征图输入到特征融合强化模块中利用焦点调制层机制对东星斑鱼病特征图进行特征增强，焦点调制层分为三个部分：Query、Modulator、Aggregate； 所述特征融合强化模块中，利用焦点调制层机制对输出的东星斑鱼病特征图进行特征增强，具体为： S301a、将特征图输入到Query部分，Query部分根据输入特征图提取关键区域特征，用于后续的焦点调制，其公式表示为： = 其中，是映射函数，用于获取输入图像的关键特征； S301b、通过Modulator部分对不同层次的特征进行聚合和自适应调整，首先，提取多层次的上下文信息，形成特征集合，每个层级的特征表示为，通过线性变换对其进行聚合和加权： 通过加权求和来得到最终的调制器输出： 其中，为权重，为特征层数，表示逐元素相乘，最终的输出为自适应聚合后的特征图； S301c、在Aggregate部分中，将调制器输出的特征通过逐元素仿射变换与Query特征相结合，进一步增强病害区域的显著性： 其中，表示权重，为第层的特征，是线性变换函数，为最终的增强特征； S302、特征融合与上采样，通过多尺度特征融合和上采样操作，将不同层次的特征图进行整合，并逐步恢复空间分辨率，确保PLDNet网络能够同时处理大、中、小病害区域； S303、输出经过焦点调制层特征强化和特征融合处理后的强化融合特征图，为后续的东星斑鱼病害区域预测提供优化后的输入； S4、将传统的边界框损失函数替换为改进的最小点距离交并比损失函数，准确定位小目标东星斑病害区域； S5、东星斑鱼病害结果预测，将特征强化融合结果输入PLDNet特征预测模块进行预测，输出多个东星斑鱼病害预测框与类别。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。