本发明公开了一种基于双注意力机制的水下侧扫声纳图像识别方法及系统，包括：获取水下侧扫声纳设备采集的监测图像；将监测图像输入至预设的EDA‑Net模型获得水下目标检测结果，其中，EDA‑Net模型包括改进型骨干网络、改进型颈部网络和头部网络；所述改进型骨干网络基于YOLOv11框架构建，其中设置有双径异构注意力模块；所述改进型颈部网络中设置有瓶颈卷积‑无参数注意力模块；所述头部网络用于根据改进型颈部网络输出的特征图进行目标检测。本发明能够在小样本、多尺度数据集条件下，更精准地辨识目标细节纹理特征，提升模型在复杂水下环境中对多尺度目标的识别准确性和稳定性。
📄 2026105799460
📂 G06V20_05
👤 南京信息工程大学
📅 2026-04-29
本发明公开了一种基于改进YOLOv8的水下声纳图像识别方法及系统，包括：基于YOLOv8模型、多维并行注意力机制和对比学习架构构建网络模型；获取训练样本并利用训练样本对网络模型进行训练获得训练识别结果，利用对比损失函数和YOLOv8损失函数计算训练损失值并进行权重参数进行优化，重复迭代输出训练后的网络模型；获取水下声呐设备采集监测区域的声呐监测图像，将声纳监测图像输入至预设的网络模型获得水下目标检测结果；本发明通过多维并行注意力机制和对比学习架构提升了网络模型的表征能力和泛化性能，使网络模型在水下复杂环境中对目标细节的辨识更加精准。
📄 2025101241978
📂 G06V20_05
👤 南京信息工程大学
📅 2025-01-26
本发明公开了一种基于退化图像增强的轻量化水下目标检测方法及系统，涉及深度学习图像处理技术领域，接收图像增强数据集UIE和水下目标检测数据集URPC，对UIE和URPC进行预处理，并划分为训练集、验证集和测试集；将预处理后的UIE的水下图像输入预先建立的水下成像模型内进行增强，得到清晰的水下图像，将URPC的图像输入预先建立的水下成像模型内，得到增强图像；将效果最好的水下图像和增强图像标记为权重文件，并对权重文件进行保存；将权重文件和训练集、验证集和测试集输入预先建立的轻量化水下目标检测模型内，最终输出包含水下目标检测框的图像，对水下目标检测框内的目标进行识别和标记，计算平均精度。
📄 2023103664200
📂 G06V20_05
👤 南京信息工程大学
📅 2023-04-07
本发明公开了一种高原鱼类关键功能特征指标智能筛选方法及系统，方法包括数据收集、数据预处理、高原鱼类目标检测、特征指标预测估算和关键功能特征指标智能筛选。本发明涉及鱼类目标检测技术领域，具体是指一种高原鱼类关键功能特征指标智能筛选方法及系统，本发明采用计算机视觉方法进行高原鱼类目标检测，自动预测鱼类特征指标，提高了方法的自动性，减少了对鱼类的伤害；采用能见度恢复和对比度增强加权融合的方法进行高原鱼类图像增强，提高了数据的可用性；采用结合路径聚合网络的YOLOv8神经网络方法，提升了高原鱼类关键功能特征指标智能筛选的总体性能。
📄 2024103658030
📂 G06V20_05
👤 西部(重庆)科学城种质创制大科学中心, 西南大学
📅 2024-03-28
本发明涉及一种基于无人机的江河鱼类资源量统计方法及系统，包括：利用无人机和无人船获得待统计河流的水深数据；根据待统计河流的宽度数据、长度数据和水深数据获得待统计河流上游断面和下游断面之间的水体体量；从待统计河流的上游断面和下游断面之间选择N个断面；获得各断面两侧设定范围内水下图像数据；根据各断面两侧设定范围内水下图像数据，采用图像识别算法统计各断面两侧设定范围的鱼的种类和数量；根据各断面两侧设定范围的鱼的种类和数量，获得设定范围内鱼的种类的平均值和数量的平均值；根据水体体量与设定范围内鱼的种类的平均值和数量的平均值，获得待统计河流中鱼的种类和数量。本发明提高了统计效率和精度。
📄 2021105517353
📂 G06V20_05
👤 中国水利水电科学研究院, 华电西藏能源有限公司, 西南大学, 西藏自治区农牧科学院水产科学研究所
📅 2021-05-20
本发明涉及一种基于改进SSD和迁移学习的水下目标检测方法，其克服了现有技术中水下目标检测的欠拟合，识别率低，鲁棒性差的问题，有效提高了水下目标检测识别率与视觉效果。本发明包括以下步骤：步骤1、准备阶段：运用计算机读取深水中条件下拍摄的水下图像，利用水下背景图片与水上目标场景图像进行融合处理，获取更多水下图像；步骤2、图像的预处理和基于滤波器去除噪声阶段；步骤3、基于骨干网的特征提取阶段；步骤4、基于迁移学习的网络模型训练阶段：利用迁移学习方法训练Underwater‑SSD网络；步骤5、基于软化非极大值抑制算法soft‑NMS目标检测阶段：在迁移学习训练后的模型后加入软化非极大值抑制算法。
📄 2020100038150
📂 G06V20_05
👤 西安工业大学
📅 2020-01-03
本发明涉及基于跨尺度分层特征融合对类内遮挡的乌鳢检测的方法，属于深度学习技术领域。本申请的方法，包括图像采集、图像处理及网络模型；采集后的图像进行标注，调整图像尺寸得到输入图像，输入到目标检测网络，经过卷积整合，插入跨尺度分层特征融合模块，其特征在于，将输入跨尺度分层特征融合模块的所有特征分为n层，共由s个特征映射子集组成，每个特征映射子集都会与其他特征映射子集进行特征上的融合，最后进行连接，实现完整的信息融合，经卷积操作后，输出训练结果；然后利用损失函数进行网络参数调整，经过多次训练迭代后，得到适用于网络模型的参数；最后将输出的候选框输入到非极大值抑制模块，筛选正确预测框，得到预测结果。
📄 2022107962346
📂 G06V20_05
👤 鲁东大学
📅 2022-07-07
本发明公开了一种基于强化细粒度特征表达分支的轻量化WCSPOmni‑DETR的海洋生物检测方法。发明步骤：获取海洋生物的数据集并进行预处理；利用小波卷积改进RT‑DETR的主干网络做轻量化处理；为RT‑DETR构建强化细粒度特征表达分支；改进RT‑DETR的AIFI结构为Efficient Additive attention AIFI；设置训练轮次、批处理大小、学习率和输入图片大小等训练超参数；将训练集、验证集数据输入到模型中进行训练，获取一组最优的权重参数；利用最优权重参数输入测试数据获取预测出的可视化结果。
📄 2024119608135
📂 G06V20_05
👤 浙江理工大学
📅 2024-12-30
本发明公开了一种基于MGO优化RVFL的水下鱼类分类方法，本发明步骤：准备数据集并进行预处理；DarkNet53进行图像特征提取；训练MGO优化的RVFL模型，得到DarkNet53‑MGO‑RVFL模型；本专利能基于鱼类图片，输出鱼类分类结果。本发明可高效地对水下鱼类进行种类划分。模型具备优秀的预测精度，良好的收敛性和稳定性，提高了水下目标分类的效率与准确性。
📄 2023112047559
📂 G06V20_05
👤 浙江理工大学
📅 2023-09-19
本发明公开了一种基于YOLOv5的水下目标检测方法，包括如下步骤：获取水下特定目标的初始数据集；对初始数据集进行增强，用以增加初始数据集的数量，得到扩充数据集；利用CA模块对主干网络里的部分C3模块进行改进；将SE注意力模块加入到主干网络的特定位置上；采用基于无锚盒的检测头对输入的图像进行检测；将扩充数据集输入到YOLOv5模型中，进行训练；用训练好的YOLOv5模型对水下图像进行检测。本发明能够保证在不大幅度降低检测速度的前提下，在复杂的水下环境中，提高检测模型对多种特定目标的检测精度。
📄 2022116063255
📂 G06V20_05
👤 燕山大学
📅 2022-12-14
本发明涉及水环境修复技术领域，解决了现有底泥污染原位修复技术普遍存在扰动盲目、释放不可控、生态恢复脱节的技术问题，尤其涉及一种扰动识别与底质重构协同的底泥洗脱方法及装置，通过获取沉积物原位信息并分析团聚体的分布与扰动敏感性；在敏感区域实施脉冲式径向喷流扰动，并在扰动过程中同步投加微胶囊型吸附颗粒以吸附氮磷污染物；扰动完成后向目标区域铺设通透性底质材料，形成有利于沉水植物定植的底质结构；最后通过动态水质监测调整扰动与重构策略，实现全过程优化调控。本发明可实现底泥中污染团聚体的高效识别与可控扰动，兼顾污染物削减与生态基底重建，适用于湖泊、水库等受污染水体的生态修复工程。
📄 2025113772380
📂 G06V20_05
👤 安庆师范大学
📅 2025-09-25
本发明公开了一种基于深度迁移聚类学习的深海动物新物种识别方法及系统,该方法包括:拍摄深海动物照片并进行预处理,得到预处理后的图片;构建已知类别分类网络和未知类别分类网络,训练网络并学习新物种特征,得到深度迁移聚类学习模型;基于深度迁移聚类学习模型对预处理后的图片进行物种识别。该系统包括:拍摄模块、模型构建模块和识别模块。通过使用本发明,能够对所发现的深海动物进行物种归类标注以及对潜在深海动物新物种的识别。本发明作为一种基于深度迁移聚类学习的深海动物新物种识别方法及系统,可广泛应用于图像识别领域。
📄 2022112996145
📂 G06V20_05
👤 广东工业大学
📅 2022-10-24
柿子坊 · 知识产权运营
柿子坊知识产权运营平台