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！

龍圖騰網恭喜西安理工大學申請的專利一種基于深度學習的微藻特征融合分析方法及系統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：CN119919937B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202510414760.5，技術領域涉及：G06V20/69；該發明授權一種基于深度學習的微藻特征融合分析方法及系統是由鄒小彤;徐開偉;方長青;趙少華;劉軻設計研發完成，并于2025-04-03向國家知識產權局提交的專利申請。

本一種基于深度學習的微藻特征融合分析方法及系統在說明書摘要公布了：本發明涉及一種基于深度學習的微藻特征融合分析方法及系統，屬于微藻特征識別與分析技術領域，本發明通過根據微藻生長采收閾值范圍獲取微藻采收時間節點，并獲取當前微藻采收時間節點的實時污染物數據，最后根據當前微藻采收時間節點的實時污染物數據進行污染分析，并基于污染分析結果生成相關的調控策略，按照相關的調控策略進行調控。本發明通過融合深度學習網絡以及生成對抗網絡進行融合，能夠融合微藻在不同環境之下的細胞分裂規律以及預設時間之內的圖像特征來對目標區域中的微藻生長數據進行分析，解決了圖像技術對于微藻生長繁殖識別的痛點，精準把握微藻生長所處階段，為流域水體微藻污染物識別、調控與去除提供理論支撐。

本發明授權一種基于深度學習的微藻特征融合分析方法及系統在權利要求書中公布了：1.一種基于深度學習的微藻特征融合分析方法，其特征在于，包括以下步驟：獲取目標區域中的微藻培養液圖像特征數據，并基于深度神經網絡構建微藻生長預測模型，通過生成對抗網絡對所述微藻生長預測模型進行優化；通過所述微藻生長預測模型對所述目標區域中的微藻培養液圖像特征數據進行預測，獲取預設時間之內的微藻生長數據；設置微藻生長采收閾值范圍，根據所述預設時間之內的微藻生長數據以及微藻生長采收閾值范圍獲取微藻采收時間節點，并獲取當前微藻采收時間節點的實時污染物數據；根據所述當前微藻采收時間節點的實時污染物數據進行污染分析，并基于污染分析結果生成相關的調控策略，按照所述相關的調控策略進行調控；獲取目標區域中的微藻培養液圖像特征數據，基于深度神經網絡構建微藻生長預測模型，具體為：獲取目標區域中的微藻培養液圖像特征數據，并通過環境仿真技術對環境進行模擬、加入噪聲進行模擬、對所述微藻培養液圖像特征數據進行效果增強和對微藻培養液圖像特征數據進行增強處理；獲取增強處理后的微藻培養液圖像特征數據，根據所述增強處理后的微藻培養液圖像特征數據構建數據訓練集，并基于深度神經網絡構建微藻生長預測模型；將所述數據訓練集輸入到所述建微藻生長預測模型中，采用二分交叉熵作為所述微藻生長預測模型的損失函數，并利用所述二分交叉熵損失函數評估所述微藻生長預測模型；獲取收斂速度信息，當所述收斂速度信息大于預設收斂速度信息時，輸出所述微藻生長預測模型；通過生成對抗網絡對所述微藻生長預測模型進行優化，具體為：獲取微藻在各環境繁殖條件之下的細胞分裂規律信息，并基于所述微藻在各環境繁殖條件之下的細胞分裂規律信息構建微藻生物學約束條件，基于所述微藻生物學約束條件對所述微藻生長預測模型進行訓練；通過訓練，生成器根據增強處理后的微藻培養液圖像特征數據生成初始微藻生長預測結果；將所述初始微藻生長預測結果輸入判別器中進行判斷，結合所述微藻生物學約束條件判斷是否接受初始微藻生長預測結果，若所述判別器的判斷結果為接受時，則輸出初始微藻生長預測結果；若所述判別器的判定結果為不接受，則生成器繼續生成下一預測結果，直至符合約束條件輸出最終的預測結果，所述微藻生長預測模型優化完成。

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西安理工大學，其通訊地址為：710000 陜西省西安市金花南路5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”。