-
公开(公告)号：CN114495098A
公开(公告)日：2022-05-13
申请号：CN202210113473.7
申请日：2022-01-30
Applicant: 南水北调中线干线工程建设管理局 , 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Abstract: 本发明公开一种基于显微镜图像的盘星藻类细胞统计方法及系统，统计方法包括以下步骤：对采集的原始盘星藻类显微镜图像进行预处理，获得待检测盘星藻类灰度图像；对待检测盘星藻类灰度图像进行边缘检测，获得盘星藻类边缘图像；检测盘星藻类边缘图像的凸包和凸缺陷，对凸包和凸缺陷进行校验，获得有效凸缺陷点；基于有效凸缺陷点，统计盘星藻类细胞个数。本发明利用盘星藻类的显微镜图像，通过图像模式识别技术准确统计出盘星藻类的个数。
-
公开(公告)号：CN116597441B
公开(公告)日：2024-01-26
申请号：CN202310576009.6
申请日：2023-05-22
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 , 武汉大江锐视生态科技有限公司 , 武汉润江生态科技有限公司
Abstract: 本发明公开了一种基于深度学习和图像模式识别的藻类细胞统计方法及系统，包括以下步骤：获取藻类图像，构建藻类检测模型，将藻类图像输入藻类检测模型，得到藻类检测结果，通过藻类检测结果从藻类图像中截取得到盘星藻类图像；构建盘星藻类细胞深度学习检测模型；基于训练好的盘星藻类细胞深度学习检测模型和盘星藻类图像得到盘星藻类细胞检测结果；基于盘星藻类细胞检测结果和盘星藻类图像计算盘星藻类细胞完整性；基于盘星藻类细胞完整性，得到盘星藻类图像中的盘星藻细胞个数。本发明不仅对于正常形态的盘星藻类具有较好的细胞统计精度，对于残缺、破损或形态不规整的盘星藻类也可以精确地统计出它的细胞个数。
-
公开(公告)号：CN114418994B
公开(公告)日：2022-11-15
申请号：CN202210060054.1
申请日：2022-01-19
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Abstract: 本发明公开了一种基于显微镜图像的脆杆群体藻类细胞统计方法，包括：获取所述脆杆群体藻类细胞的图像数据；对所述图像数据进行处理，获得所述脆杆群体藻类细胞的排列长度；基于所述排列长度获得脆杆群体内的细胞个数。本发明采用图像模式识别技术来统计脆杆群体内细胞的准确率更高；且适用范围广，无论是较大的脆杆群体藻类还是小的脆杆群体藻类，识别效果都很稳定。
-
公开(公告)号：CN114782413A
公开(公告)日：2022-07-22
申请号：CN202210639475.X
申请日：2022-06-07
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Abstract: 本发明公开了一种基于显微镜图像的星杆藻类细胞统计方法，包括：采集藻类图像，对藻类图像进行预处理，去噪和增强图像的对比度；对增强后的灰度图像上进行二值化处理，获得二值图像；基于二值图像进行星杆藻类细胞检测，获取星杆藻类细胞的属性数据，根据属性数据验证是否符合星杆藻类细胞的特征；统计满足星杆藻类细胞特征的检测数据，获得星杆藻类细胞的细胞个数。本发明不需要在深度学习模型中直接检测星杆藻类细胞，减少了数据标注工作，提高了模型训练和模型优化的效率，并且具有广泛的适用性。
-
公开(公告)号：CN114627018A
公开(公告)日：2022-06-14
申请号：CN202210263753.6
申请日：2022-03-17
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Abstract: 本发明公开一种基于显微镜图像的颤藻类细胞统计方法，包括步骤一、图像预处理，步骤二、图像二值化处理，步骤三、查找最大外轮廓，步骤四、分析最大外轮廓和二值图像，计算颤藻类像素长度，步骤五、基于颤藻类像素长度，统计颤藻类细胞个数；本发明根据图像上颤藻类细胞的形态，采用了不同的策略来统计它们的细胞个数，极大地提高了曲线形态颤藻类的细胞统计精度，也提高了算法处理的效率，本方法不仅可以应用于颤藻类细胞个数统计，还可以应用于拟柱孢藻类、泽丝藻类、鞘丝藻类和束丝藻类等，具有广泛的适用性，且为独立的模块，便于算法后期的优化和维护。
-
Patent Agency Ranking
公开(公告)号：CN114418995A
公开(公告)日：2022-04-29
申请号：CN202210060099.9
申请日：2022-01-19
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Abstract: 本发明公开了一种基于显微镜图像的级联藻类细胞统计方法，包括：采集并标注藻类图像样本数据，构建深度学习模型；对深度学习模型进行训练，获得深度学习检测模型；基于深度学习检测模型对标注后的图像样本数据进行识别，获得识别结果；基于图像模式识别技术对识别结果进行细胞个数统计，获得统计结果。本发明将深度学习技术与图像模式识别技术相结合，深度学习检测模型只对藻类的种属和坐标进行识别，不需要关注群体性藻类内部的细胞，大大减少了数据标注的工作量，提高了模型训练和模型优化的效率。同时本发明适用范围广，既提高了浮游藻类的识别精度，也并且具有良好的扩展性和可维护性。
-
公开(公告)号：CN119688357A
公开(公告)日：2025-03-25
申请号：CN202411830764.3
申请日：2024-12-12
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 , 中国南水北调集团有限公司
Abstract: 本发明公开了一种着生藻类监测、采集系统及方法，系统包括：岸上保障子系统：用于控制走行机器人、监测水下藻类画面，对藻类数据进行分析，进行电力供应以及通讯功能；水下走行机器人子系统：用于通过水下走行机器人的机动性，实现在河渠水下大范围、全水域、多点位监测和采集；水下观测及藻类监测子系统：用于进行水下地形观测、指定区域着生藻类监测；着生藻类采集子系统：用于对着生藻类进行附着刮取、吸收以及储存。本发明克服了河渠内多区域多深度着生藻监测的难度。
-
公开(公告)号：CN119618708A
公开(公告)日：2025-03-14
申请号：CN202411831073.5
申请日：2024-12-12
Applicant: 中国南水北调集团中线有限公司 , 中国南水北调集团有限公司 , 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心
Inventor： 常志兵 , 田巍 , 张磊 , 刘凯 , 彭玉 , 郭芳 , 王英才 , 肖新宗 , 郭雪峰 , 李珏纯 , 苏禹铭 , 梁建奎 , 李斌 , 陈珊 , 宁鸿章 , 方标 , 熊志明 , 杨瑞
Abstract: 本发明的目的是提供一种输水渠道边坡着生藻类原位采样装置及方法，涉及调水工程水生态监测技术领域，包括：采集模块，采集模块能够采集输水渠道边坡附着的着生藻类，并能够截留散落水体中的着生藻类；刮刷机构设置于采集模块内，刮刷机构能够将输水渠道边坡表面附着的着生藻类刮落；连杆，连杆一端与采集模块连接，另一端与电控模块连接，电控模块与刮刷机构、采集模块电连接。与传统的着生藻类采样方法相比，本发明不需采集监测水域中的代表性基质，也不需投放人工基质，可直接在输水渠道边坡上着生藻类代表区域，通过刮刷、过滤的方式收集着生藻类，适用于调水工程渠道边坡高密度着生藻类监测与管理场景，具有良好的应用前景和广泛的适用范围。
-
公开(公告)号：CN118632112A
公开(公告)日：2024-09-10
申请号：CN202410685225.9
申请日：2024-05-30
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 , 中国南水北调集团中线有限公司 , 武汉大江锐视生态科技有限公司
Inventor： 刘信勇 , 王英才 , 郭芳 , 彭玉 , 肖新宗 , 李斌 , 刘浩兵 , 常志兵 , 张爱静 , 杜壮 , 苏禹铭 , 方标 , 林为昶 , 宁鸿章 , 熊志明 , 黄金 , 郑亦凡 , 杨瑞
Abstract: 本发明公开一种着生藻类监测装置及监测方法，涉及河流渠道生态监测技术领域，包括：轨道，轨道固定设置于河道边坡上，其底端向河道水下延伸；水下小车，水下小车滑动设置于轨道上，水下小车上设置有水下摄像头。相较于人工采样分析的监测方式，具有监测实时性，并能够节省大量人力成本；通过运动机构能够将水下摄像头移动至河流渠道水下对着生藻类的生长和分布情况进行监测，运动机构移动深度可通过轨道长度进行调节，与现有技术相比不仅能够监测近岸潜水区域，还能够在河流渠道不同深度、不同监测点位进行监测，可适用范围大大提高。
-
公开(公告)号：CN117975254B
公开(公告)日：2024-06-11
申请号：CN202410379594.5
申请日：2024-03-29
Applicant: 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 , 武汉润江生态科技有限公司
IPC: G06V20/05 , G06V20/52 , G06V20/64 , G06V20/70 , G06V10/26 , G06V10/774 , G06V10/77 , G06V10/82 , G06T7/593 , G06T7/60
Abstract: 本发明提出了一种基于双目图像的着生藻类监测方法及系统，属于水生态环境监测领域，方法包括：S1、采集水下双目相机拍摄的着生藻类图像数据并进行mask标注，建立数据集；S2、采用数据集训练基于深度学习的着生藻类语义分割模型；S3、采集双目序列图像数据，进行矫正处理并重建双目图像数据，得到重建后的双目图像；S4、使用训练好的着生藻类语义分割模型在重建后的双目图像上进行着生藻类覆盖度检测和着生藻类生长高度检测；S5、根据着生藻类覆盖度和着生藻类的生长高度计算着生藻类监测指标。本申请对着生藻类的实时监测，根据着生藻类的覆盖度和生长高度计算出监测指标，为着生藻类生态系统的综合评估提供了数据支持。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.116 seconds)
