Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜广东海洋大学何泰华获国家专利权

恭喜广东海洋大学何泰华获国家专利权

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!

龙图腾网恭喜广东海洋大学申请的专利基于多源数据和环境感知的海洋网箱无人船智能巡检方法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:CN119849864B

龙图腾网通过国家知识产权局官网在2025-05-30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:202510302714.6,技术领域涉及:G06Q10/0631;该发明授权基于多源数据和环境感知的海洋网箱无人船智能巡检方法是由何泰华;高溦;张涛;贾书凝;伍尚铿;温宇;陈瑶设计研发完成,并于2025-03-14向国家知识产权局提交的专利申请。

基于多源数据和环境感知的海洋网箱无人船智能巡检方法在说明书摘要公布了:本发明提供一种基于多源数据和环境感知的海洋网箱无人船智能巡检方法,包括:采集海洋网箱群区域的多源海洋环境数据并进行预处理,同时获取网箱分布信息、网箱巡检任务需求和各个无人船的初始状态;利用改进的随机森林模型预测无人船数量;采用改进的遗传算法生成若干条最优巡检路径;将若干条最优巡检路径智能分配给各个无人船,各个无人船分别根据其分配到的路径进行巡检;本发明能够综合利用由部署于网箱群区域的固定监测站和无人船自身传感器采集的多源海洋环境数据,实现无人船巡检路径预先规划、任务智能分配以及巡检过程动态调整,从而提高巡检效率、保障巡检安全、优化资源配置,以及提升海洋养殖管理的智能化水平。

本发明授权基于多源数据和环境感知的海洋网箱无人船智能巡检方法在权利要求书中公布了:1.一种基于多源数据和环境感知的海洋网箱无人船智能巡检方法,其特征在于,包括以下步骤:S1:采集海洋网箱群区域的多源海洋环境数据并进行预处理,同时获取网箱分布信息、网箱巡检任务需求以及各个无人船的初始状态;S2:基于预处理后的多源海洋环境数据,利用改进的随机森林模型进行无人船数量的预测;所述改进的随机森林模型引入基于环境感知的自适应权重调整机制,每棵决策树的预测权重根据实时的多源海洋环境数据进行动态调整,包括:S2.1:获取历史数据和当前采集得到的多源海洋环境数据;利用历史数据训练传统的随机森林回归模型,获取预训练好的随机森林回归模型;S2.2:根据所述多源海洋环境数据计算环境风险指数Risk_Index和各个环境数据的变化率Change_Rate,并结合环境风险指数Risk_Index和变化率Change_Rate的计算结果构建当前环境特征向量;S2.3:分别计算每棵决策树在训练时所用历史数据的环境特征与当前环境特征向量之间的相似度Sim_i;并基于相似度Sim_i,评估每棵决策树的历史预测性能评分Perf_i;S2.4:将每棵决策树的相似度Sim_i和历史预测性能评分Perf_i进行加权组合,得到每棵决策树的自适应权重Weight_i;S2.5:利用预训练好的随机森林回归模型进行无人船数量预测,获取每棵决策树的预测结果Prediction_i;S2.6:将所有决策树的预测结果Prediction_i按照其自适应权重Weight_i进行加权平均,得到最终的无人船数量预测值Predicted_Count;S3:基于预处理后的多源海洋环境数据、网箱分布信息、网箱巡检任务需求以及各个无人船的初始状态,采用改进的遗传算法生成若干条最优巡检路径;所述改进的遗传算法根据实时的多源海洋环境数据和无人船状态对优化目标和遗传算子进行自适应调整,包括:S3.1:基于网箱分布信息,利用随机生成或启发式方法生成初始种群,所述初始种群用于表示初始的巡检路径集合,其中包括若干个个体,每个个体表示一条可能的巡检路径;S3.2:分别将最小化巡检时间、最小化能耗和最大化巡检安全性作为优化目标,设置三个相互冲突的目标函数,分别计算每个个体的不同目标函数值;S3.3:根据当前采集得到的多源海洋环境数据和无人船状态,自适应调整各个目标函数的权重并进行权重归一化;S3.4:评估种群的多样性和适应度情况,并动态调整交叉概率P_cross和变异概率P_mutate;S3.5:种群迭代:从当前种群中选择一部分个体作为父代,根据动态调整后的交叉概率P_cross将选中的父代个体进行的部分基因交换,产生新的后代个体;同时,根据动态调整后的变异概率P_mutate随机改变个体中的基因,引入新的基因,增加种群多样性;S3.6:构建Pareto最优解集并更新:将种群迭代过程中的非支配解加入Pareto最优解集;同时检查Pareto最优解集中是否存在被新加入的解支配的解,若存在则将该支配解移除;S3.7:判断是否满足预设的终止迭代条件,若不满足,则重新执行步骤S3.2~S3.6;若满足,则根据网箱巡检任务需求从最后一次更新获得的Pareto最优解集中选择若干条最优巡检路径;S4:将若干条最优巡检路径智能分配给各个无人船,各个无人船分别根据其分配到的最优巡检路径在海洋网箱群区域内进行巡检。

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,其通讯地址为:524088 广东省湛江市麻章区海大路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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。