龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：海南大学
申请日：2024-03-06
公开（公告）日：2024-05-03
公开（公告）号：CN117975206A
主分类号：G06V10/776
分类号：G06V10/776;G06V10/82;G06N3/0464;G06V10/26
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.21#实质审查的生效;2024.05.03#公开
摘要：本发明涉及一种基于深度学习算法的珊瑚健康状态诊断方法、系统、设备及介质。所述方法包括：采集同一株珊瑚不同角度的图像数据进行筛选，得到各个待检测图像数据进行图像预处理，使用YOLOv5实例分割任务模型进行图像分割识别，得到各个珊瑚区域面积数据；基于加权平均值公式，分别计算珊瑚各区域面积数据对应的各个珊瑚状态数据，并计算出珊瑚健康指数展示。通过采集同一株珊瑚不同角度的图像，通过筛选、预处理、分割识别后，计算出珊瑚健康指数并展示，无需采集珊瑚样本进行化学试剂提取检测，可以快速精确诊断出一株珊瑚的健康状态，客观的反映了单株珊瑚的健康状况，避免了主观性对评估结果的影响，提高了珊瑚健康状态诊断的效率和精确性。
主权项：1.一种基于深度学习算法的珊瑚健康状态诊断方法，其特征在于，所述方法包括：采集同一株珊瑚不同角度的各个图像数据，使用YOLOv5目标检测模型对各个所述图像数据进行图像筛选，得到各个待检测图像数据；对各个所述待检测图像数据进行图像预处理，使用YOLOv5实例分割任务模型对预处理后的各个待检测图像数据进行图像分割识别，得到各个珊瑚区域面积数据；基于加权平均值公式，分别计算所述珊瑚各区域面积数据对应的各个珊瑚状态数据，并根据各个所述珊瑚状态数据计算出珊瑚健康指数；展示所述珊瑚健康指数。
全文数据：
权利要求：
百度查询： 海南大学 基于深度学习算法的珊瑚健康状态诊断方法、系统、设备及介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号