边缘增强型YOLO藻类检测模型、构建方法、计算机可读存储介质、电子设备技术

技术编号:46062732 阅读:8 留言:0更新日期:2025-08-11 15:48
本发明专利技术涉及一种边缘增强型YOLO藻类检测模型、构建方法、计算机可读存储介质、电子设备。模型构建方法包括:基于YOLOv9模型的架构,在YOLOv9模型的主干网络中引入Sobel模块来从输入模型的藻类细胞的原始特征图中提取图像的边缘信息;将Sobel模块提取的边缘信息变换至特征的长宽和通道数与YOLOv9模型中每个RepNCSPELAN4模块的输入一致后,叠加至每个RepNCSPELAN4模块的输入之前;在YOLOv9模型的主干网络输出后引入MCS模块来提取不同尺寸的目标特征信息,将目标特征信息融合至输入YOLOv9模型中的SPPENLAN模块的特征图。

【技术实现步骤摘要】

本专利技术涉及藻类检测领域,尤其涉及一种边缘增强型yolo藻类检测模型、构建方法、计算机可读存储介质、电子设备。


技术介绍

1、随着全球人口增长和工业进程的加速,水资源利用强度不断提高,水质污染问题日趋突出,水质富营养化已成为全球性难题。作为水体生态系统的初级生产者,藻类在维持生态平衡中发挥着关键作用。然而,当水体中的营养物质过剩时,藻类种群会迅速繁殖,形成有害藻华(hab),进而导致水质恶化。此外,藻华不仅消耗大量溶解氧,还会释放有毒气体和化学物质,严重破坏海洋和淡水生态系统,威胁水生生物的生存环境。

2、因此,藻类的检测成为水体健康评估的重要指标,更是水资源生态保护的重要技术支撑。由于藻类的分类鉴定过程较为复杂,涉及多个分类层级(如界、门、纲等),且不同层次的分类特征差异显著,这使得藻类鉴定成为一个技术要求较高的专业领域。

3、藻类检测通常采用显微镜计数分类统计。在传统的检测方式中,分类和计数工作主要依靠人工完成。这种方法虽然能够提供较为准确的结果,但由于需要较高的专业技能和丰富的经验,操作过程相对繁琐且耗时较长。此外,人工检测本文档来自技高网...

【技术保护点】

1.边缘增强型YOLO藻类检测模型的构建方法,其特征在于,包括:

2.如权利要求1所述的构建方法,其特征在于,所述Sobel模块被配置为至少包括:

3.如权利要求2所述的构建方法,其特征在于:所述Sobel模块进一步配置为在Sobel算子的基础上引入两个对角线方向的卷积核。

4.如权利要求3所述的构建方法,其特征在于,所述Sobel模块包括:

5.如权利要求1所述的构建方法,其特征在于:采用不同的上采样或下采样操作调整所述的特征的长宽和通道数。

6.如权利要求1所述的构建方法,其特征在于,所述MCS模块被配置为至少包括:

...

【技术特征摘要】

1.边缘增强型yolo藻类检测模型的构建方法,其特征在于,包括:

2.如权利要求1所述的构建方法,其特征在于,所述sobel模块被配置为至少包括:

3.如权利要求2所述的构建方法,其特征在于:所述sobel模块进一步配置为在sobel算子的基础上引入两个对角线方向的卷积核。

4.如权利要求3所述的构建方法,其特征在于,所述sobel模块包括:

5.如权利要求1所述的构建方法,其特征在于:采用不同的上采样或下采样操作调整所述的特征的长宽和通道数。

6...

【专利技术属性】
技术研发人员:黄伟鸿梁博邹静莹任婧黄鹤黄少峰李佳明狄凤香张家卫倪述李进隆邱楚璇王吉毅刘俊
申请(专利权)人:生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1