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！

龙图腾网获悉广东海洋大学深圳研究院;广东海洋大学申请的专利一种基于强化学习和改进优化算法的溢油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：CN121527435B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610048479.9，技术领域涉及：G06V10/26；该发明授权一种基于强化学习和改进优化算法的溢油检测方法及系统是由严谨;陈冰荟;徐进;郭泽坤;褚李林;李正;钱思翰设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种基于强化学习和改进优化算法的溢油检测方法及系统在说明书摘要公布了：本发明公开了一种基于强化学习和改进优化算法的溢油检测方法及系统，涉及海上溢油检测技术领域。所述方法包括：对采集的海面雷达图像进行预处理；利用Q‑learning强化学习算法对预处理后的海面雷达图像进行兴趣区提取，获取油膜区域图；利用改进的智能优化算法获取最优分割阈值，并利用最优分割阈值对油膜区域图进行分割，获取基于最优分割阈值的分割图像；对基于最优分割阈值的分割图像进行后处理，获取最终的油膜分割图像。本发明对溢油图像的分割结果更精准，为后续的油膜识别奠定了可靠的基础。

本发明授权一种基于强化学习和改进优化算法的溢油检测方法及系统在权利要求书中公布了：1.一种基于强化学习和改进优化算法的溢油检测方法，其特征在于，包括： 对采集的海面雷达图像进行预处理； 利用Q-learning强化学习算法对预处理后的海面雷达图像进行兴趣区提取，获取油膜区域图；包括： 将图像像素点分类为背景、海面与其他物体三类目标；状态空间包括图像的强度特征与纹理特征； 在训练过程中，对于每个图像像素点，首先结合像素的强度特征和纹理特征确定当前状态；再选择动作，即按ε-贪婪策略选择像素的类别标签，ε-贪婪策略的执行逻辑如下：当随机生成的概率值小于探索率ε时，从所有可能的类别中随机选择一个类别作为当前动作；当随机生成的概率值大于等于ε时，查询当前状态对应的Q表的行，选择该行Q值最大的类别作为动作；再计算奖励值，奖励值计算公式为： ； 式中，表示用于放大特征匹配影响的系数；表示强度匹配度奖励；表示纹理匹配度奖励；表示空间一致性奖励；和分别表示强度匹配度奖励和纹理匹配度奖励对应的权重； 然后按照以下公式进行Q值更新： ； 式中，表示更新前的Q值；表示更新后的Q值；表示用于控制每次Q值更新幅度的参数；为折扣因子，用于衡量未来奖励的权重；A表示智能体在任意状态下的所有动作集合；表示执行动作后转移到的下一状态；为下一状态的Q值，表示下一状态的最优Q值； 对于每个图像像素点，选择使其Q值最大的动作确定像素类别，进而完成对预处理后的海面雷达图像的兴趣区提取，获取油膜区域图； 利用改进的智能优化算法获取最优分割阈值，并利用最优分割阈值对所述油膜区域图进行分割，获取基于最优分割阈值的分割图像；所述利用改进的智能优化算法获取最优分割阈值包括： 所述改进的智能优化算法中适应度函数为： ； 式中，为当前迭代次数，T为最大迭代次数；为类间方差，用于衡量前景与背景的分离程度，，为前景权重，为背景权重，为前景均值，为背景均值，为全局均值；为阈值奖励项，，k为衰减系数，用于控制奖励衰减速度；为比例惩罚项，用于约束前景区域的合理分布，，为理想前景权重；为基础权重系数；为比例权重系数； 所述改进的智能优化算法中位置更新策略为分阶段位置更新，具体如下： 当t0.3T时，位置更新公式为： ； 式中，表示第i个种子更新后位置；表示种子最优位置；表示第i个种子更新前位置；表示调节参数；表示缩放因子，用于控制搜索步长，； 当0.3Tt0.7T时，位置更新公式为： ； 当t0.7T时，位置更新公式为： ； 式中，，为一个用于局部微调的参数，表示标准正态分布； 对基于最优分割阈值的分割图像进行后处理，获取最终的油膜分割图像。

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东海洋大学深圳研究院;广东海洋大学，其通讯地址为：518120 广东省深圳市大鹏新区大鹏街道大鹏办事处深圳国际生物谷海洋生物产业园A栋23栋；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。