買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京郵電大學申請的專利基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119274202B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411192526.4，技術領域涉及：G06V40/10；該發明授權基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法是由顧子杰;陳冠宇;吳偉;胡晗;史曉冰;房佳明設計研發完成，并于2024-08-28向國家知識產權局提交的專利申請。

本基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法在說明書摘要公布了：本發明公開了基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法，該方法首先在圖像獲取層面運用多尺度的Retinex算法對獲取的模糊光圖像進行圖像增強處理；接著在圖像識別層面運用改進的BC?YOLOv6算法，將YOLOv6的Backbone與雙向結構的Transformer層的BiFormer相結合，同時在其架構中引入坐標注意力機制模塊，提高對小目標的識別率，改進非極大值抑制，設計相關函數；最后在圖像分類層面運通過定義了特征矩陣并改進了粒子群算法，獲取選擇后的特征矩陣實現了對圖像的分類。仿真結果顯示，本發明可以有效地減少人力和算力成本，顯著的提高對圖像的增強處理，進一步提高遮擋條件下的水底魚群圖像識別分類的監測率與正確率、特征表達能力與圖像分類性能。

本發明授權基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法在權利要求書中公布了：1.一種基于粒子群和改進YOLOv6的復雜環境下魚群識別與分類方法，其特征在于，所述方法包括如下步驟： 步驟1：圖像獲取模塊對無人船收集養殖塘內各種魚類圖像數據； 借助多尺度Retinex算法，對獲取的模糊光圖像進行圖像增強處理，提高圖像的像素清晰度，為數據庫提供經過圖像增強處理后的魚群圖像； 步驟2：圖像識別模塊識別無人船拍下的魚群圖像； 采用改進的BC-YOLOv6算法進行圖像識別與粒子群算法分類圖像的方法，BC-YOLOv6算法，將YOLOv6的Backbone與雙向結構的Transformer層的BiFormer相結合，同時在其架構中引入坐標注意力機制模塊CA，圖像識別模塊，借助改進的BC-YOLOv6算法，提高了遮擋圖像訓練的深度模型準確度，包括如下步驟： 將輸入的二維特征圖片劃分成S×S個包含H×W×S2個特征向量的像素點，對像素點進行線性映射后，根據Q和K計算粗粒度區塊的相關性，公式如下： Q＝XrWq,K＝XrWk,V＝XrWv 其中，δ為查詢向量；K為鍵向量；V為值向量； 在粗粒度區域塊上計算注意力權重，計算公式如下： Ar＝QrkrT Tr＝topklndexAr 其中，Qr和Kr為Q、K每個區域的平均值；Ar為區域間特征值相關性的鄰接矩陣；Tr為索引矩陣； 將每個Token最相關的Topk粗粒度區域作為鍵和值參與運算； 定義了一個函數使用該函數為被抑制的檢測框提供較小分值，使得部分檢測框在一定概率下被保留使得： 其中，Si為預測框最終得分；GIOU為預測框與M之間的交互比；Nt為預定義閾值， 從而利用改進的NMS來提高了遮擋目標的召回率； 步驟3：圖像分類模塊對識別后的魚群圖像進行分類； 通過對特征矩陣的定義以及粒子群算法PSO的改進，獲取選擇后的特征矩陣，完成對圖像的分類，從而獲取識別與分類魚群圖像； 圖像分類模塊，借助對特征矩陣的定義以及粒子群算法PSO的改進，獲取選擇后的特征矩陣以實現對圖像的分類，包括如下步驟： 設定評價函數為FS，其公式如下： FS＝α·DiscriminativeS-β·RedundancyS 其中，FS是特征選擇向S的適應度值；α和β是權衡判別性和冗余性的參數；DiscriminativeS是選擇的特征在圖像分類中的判別性；RedundancyS是選擇的特征之間的冗余性； 在粒子群算法的優化過程中，引入粒子群的位置向量為Xi，速度向量為Vi，每個粒子表示一個特征選擇解，位置向量中的元素Xij表示第i個粒子中第j個特征是否被選擇，粒子群的適應度值為FXi，粒子的位置更新和速度更新分別如下： 其中，w是慣性權重；c1和c2是加速因子；r1和r2是隨機數；Pbesti是粒子i歷史上適應度最好的位置；Gbest是整個粒子群歷史上適應度最好的位置；Sigmoid函數用于將速度映射到[0，1]范圍，以確保二進制特征向量的合法性； 定義一個特征矩陣X，其中X[i,j]表示第i個樣本的第j個特征； 利用粒子群優化算法獲得的特征選擇向量S，其中S[j]＝1表示選擇第j個特征，S[j]＝0表示不選擇第j個特征，借助特征選擇向量S，可以得到經過優化的特征矩陣Xopt，其計算方式如下：Xopt[i,j]＝X[i,j]·S[j]； 使用選擇后的特征矩陣Xopt進行圖像分類，采用支持向量機SupportVectorMachine，SVM作為分類器，其目標是找到一個決策函數f，使得對于給定的圖像樣本X[i,；]，預測輸出Y[i]與實際標簽T[i]盡可能接近，其公式如下： 其中，L為損失函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210023 江蘇省南京市棲霞區亞東新城區文苑路9號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。