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！

龙图腾网获悉华中农业大学申请的专利一种基于关键点检测和图像分割的小龙虾表型检测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：CN120260074B 。

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：202510266972.3，技术领域涉及：G06V40/10；该发明授权一种基于关键点检测和图像分割的小龙虾表型检测方法及系统是由顾泽茂;向金海;汪宇恒;张延;陈楠;黑春雨设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种基于关键点检测和图像分割的小龙虾表型检测方法及系统在说明书摘要公布了：本发明提供一种基于关键点检测和图像分割的小龙虾表型检测方法及系统，所述方法包括：获取小龙虾图像，并对所述小龙虾图像进行标注处理，形成小龙虾图像数据集；对所述小龙虾图像数据集进行预处理；构建小龙虾形态识别模型，基于预处理后的小龙虾图像数据集对所述小龙虾形态识别模型进行训练；通过训练好的小龙虾形态识别模型对小龙虾图像进行识别，输出小龙虾的表型数据。本发明实现对小龙虾表型数据的快速、精准分析。

本发明授权一种基于关键点检测和图像分割的小龙虾表型检测方法及系统在权利要求书中公布了：1.一种基于关键点检测和图像分割的小龙虾表型检测方法，其特征在于，所述方法包括： 获取小龙虾图像，并对所述小龙虾图像进行标注处理，形成小龙虾图像数据集； 对所述小龙虾图像数据集进行预处理； 构建小龙虾形态识别模型，基于预处理后的小龙虾图像数据集对所述小龙虾形态识别模型进行训练； 通过训练好的小龙虾形态识别模型对小龙虾图像进行识别，输出小龙虾的表型数据； 所述小龙虾形态识别模型包括检测模块、分割模块以及测量模块；基于预处理后的小龙虾图像数据集对所述小龙虾形态识别模型进行训练时，分别对检测模块、分割模块和测量模块依次进行训练； 所述对检测模块训练具体为： 设计检测模块的backbone结构，所述backbone结构包括用于特征提取的Conv模块、用于优化梯度流动和减少冗余参数的C2f模块，以及用于拼接不同尺度特征图以增强对不同尺寸目标检测能力的SPPF模块； 设计检测模块的head结构，所述head结构包括检测头和分类头，其中检测头用于生成检测结果，分类头采用全局平均池化对特征图进行分类并输出类别概率分布，通过Detect模块将融合后的特征图转换为包含边界框、类别和置信度的最终检测结果； 计算检测模块的损失函数，所述损失函数包括衡量预测与真实概率分布差异的交叉熵损失、用于校正边界框回归误差以提升模糊或焦点不集中图片检测精度的DFL损失，以及在IOU损失基础上加入中心点距离和相对比例以加强收敛速度和检测效果的CIOU损失； 通过多次迭代训练，不断调整模型参数，直至损失函数收敛到预设阈值或达到预设的训练轮数，完成对检测模块的训练； 所述对分割模块进行训练具体为： 采用半监督语义分割方法，针对有标记图像和无标记图像分别进行扰动操作，其中对有标记图像进行弱扰动，包括裁切、旋转、翻转；对无标记图像进行强扰动，包括改变颜色对比度、亮度，裁切覆盖、添加噪声； 将扰动后的有标记图像和无标记图像分别输入分割模块，得到相应的预测结果，并计算预测结果与真实标签或伪标签之间的交叉熵损失； 实施有标记到无标记的单向替换策略，计算有标记图像和无标记图像的置信度分数、块平均置信度分数，找出无标记图像中最低平均置信度分数的块，用有标记图像中对应位置的图像块进行替换，并更新无标记图像的伪标签； 通过反向传播算法将损失反馈到分割模块中，调整分割模块参数，不断优化网络，在验证数据集上评估分割精度，保存分割精度达到最佳时的分割模块参数； 所述对测量模块进行训练具体为： 利用检测模块和分割模块的训练结果，对图像进行灰度转化处理，将彩色图像转换为仅包含亮度信息的灰度图像； 对所述灰度图像进行膨胀处理，使用预设的膨胀核加粗细小边缘； 对膨胀后的图像进行腐蚀处理，使用预设的腐蚀核消除噪点和部分边界值； 利用Canny算子对腐蚀后的图像进行边缘检测，得到图像的边缘信息； 为边缘检测后的轮廓图添加最小外接矩形，将最小外接矩形的长宽近似为表型特征的像素值； 计算出每个像素对应的实际长度，从而得到小龙虾各表型特征的实际长度，完成测量模块的训练。

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中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1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。