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！

龙图腾网获悉四川大学申请的专利一种动态鱼类单体形态参数处理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：CN120126171B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510036313.0，技术领域涉及：G06V40/10；该发明授权一种动态鱼类单体形态参数处理方法及系统是由李东秋;姚慰炜;葸玉千;刘世康;辛玉琴;郑茜尹;曹辰旸;王茜茜;杨雅存;齐艳冰;王瑞达设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种动态鱼类单体形态参数处理方法及系统在说明书摘要公布了：本发明涉及水利工程与环境生态保护技术领域，提供一种动态鱼类单体形态参数处理方法及系统，通过结合计算机视觉、深度学习与形态学参数计算技术，自动化提取并处理鱼类行为学实验中的关键形态学数据，具体步骤包括：1实验视频或图像的二值化处理；2形态学参数的提取；3运动学参数的计算；4数据的批量处理与标准化输出。为鱼类行为学研究提供了更高效、精确的数据处理方案，为不同实验环境下的鱼类形态分析提供支持。

本发明授权一种动态鱼类单体形态参数处理方法及系统在权利要求书中公布了：1.一种动态鱼类单体形态参数处理方法，其特征在于：通过结合计算机视觉、深度学习与形态学参数计算技术，自动化提取并处理鱼类行为学实验中的关键形态学数据，具体步骤包括： 1实验视频或图像的二值化处理：根据不同背景复杂度的情况，采用相应的图像处理方法： 背景干净的条件下，利用图像的RGB三通道信息，并结合OTSU算法确定初始阈值；对阈值进行可视化调优，分割鱼类前景区域； 在一般背景条件下，引入基于预训练DeepLabv3+模型的迁移学习方法，处理符合条件的样例数据，筛选效果差的图像并重新识别； 在背景复杂、重复度降低的条件下，增加预训练数据量，进行手动标注，优化模型； 2形态学参数的提取：基于二值化图像，利用形态学变换技术，自动提取鱼类的关键形态学参数，包括质心坐标、鱼头与鱼尾坐标以及鱼体中线； 3运动学参数的计算：进一步基于形态学参数计算鱼类的运动学参数，包括游泳速度、摆尾频率、摆尾幅度和摆尾角度； 4数据的批量处理与标准化输出：通过大规模视频或图像数据自动化处理，并以标准化数据格式导出处理结果并可视化展示； 步骤1中，在背景干净的条件下，可充分利用视频帧或图像的RGB三通道信息，结合OTSU算法来确定初始颜色阈值，具体操作如下： 1.11首先通过OTSU算法对图像进行分析，以确定颜色过滤模型的初始阈值，OTSU算法能够自适应地选择阈值，以区分前景和背景； 1.12在获得初始阈值后，进行可视化操作以查看过滤效果； 1.13根据可视化结果，用户适当调整阈值；调整后的阈值将用于过滤模型，确保在背景简单的情况下，准确分割出鱼类形态区域； 步骤1中，在一般背景条件下，结合步骤1.11-1.13的方法，同时引入深度学习模型进行进一步优化，具体流程如下： 1.21使用颜色过滤模型对符合条件的样本进行初步处理，并随机抽取部分图像数据作为训练集； 1.22使用预训练的DeepLabv3+模型，结合所选样本进行迁移学习，生成一个适应当前数据集的新模型； 1.23利用新模型对数据进行处理，同时设定判别条件筛选出效果差的图像样本； 1.24针对这些效果差的图像，重新使用DeepLabv3+模型进行识别； 步骤1中，在背景复杂、重复度降低的条件下，需要进一步增强模型的适用性，具体操作步骤如下： 1.31在遵循步骤1.21-1.23的前提下，增加预训练数据量； 1.32结合手动标注数据，对DeepLabv3+模型的标签进行优化； 1.33利用优化后的模型进行目标识别。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。