广东省数据知识产权存证登记平台-证书详情

登记信息

南沙智汇科技养殖水体藻类显微图像识别数据集 已登记

数据申请号：

粤2026062304869
数据登记号：

SZ2026120006284.0
关键词：

水产养殖；藻类显微图像；多类别藻类样本；
登记时间：

2026-08-08
平台证书编号：

20260644000006284
服务机构：

广州奥凯信息咨询有限公司
登记主体：

广州南沙智汇农业科技有限公司
法院编号：

广州互联网法院 - 80aef876acf33f7750e4ac330d690ea52b3080ebcac5314c355af5175f5ff455-749fc1a4;legalxchain

区块链信息

上链时间：

2026-07-24
所属区块链：

司法联盟链·广东省知识产权保护中心
证据指纹：

adf1bfa79a29d09ee91c0f06df8cbf8d137cfbfed95ac0bf66fd262d23f787c3edeb8a8676474e89130994e4f88af83eaaeb027877e786e8399a0f5c55ad56d8
区块链存证证书编号：

LXM-GDIPI-23202607245631657326

数据信息

数据简介

本数据集来源于显微镜下采集的水样藻类显微图像，涵盖海洋与淡水中常见的多类藻种，包括硅藻门、绿藻门、甲藻门、金藻门等主要类群。图像分辨率统一为8168×4592，总计图像数量超过6000张，覆盖多种常见及有害藻类。所有图像经过去模糊、去气泡及杂质污染等清洗处理，仅保留清晰、有效的合格样本。图像标注由多位藻类学专家使用专业标注工具交叉完成，标注目标为图像中的藻类个体，标签为藻种名称或类别名称。对于形态相似或边界模糊的藻类，采用大类别命名。数据集按照藻种类别进行分层抽样，划分为训练集、测试集和验证集，划分比例为7:2:1。该数据集具有专业性强、标注一致性高、样本多样性丰富的特点，适用于藻类自动识别模型的训练与评估。

数据来源：

自行产生
数据所属行业分类：

A05 农、林、牧、渔专业及辅助性活动

数据处理规则说明

数据处理主要包括图像预处理、数据增强和模型训练优化三部分。预处理阶段：采用CLAHE算法增强低对比度图像，结合顶帽变换抑制均匀背景干扰；转换至LAB色彩空间，利用亮度与色差通道分离藻类目标与背景水体。图像筛选使用Laplacian方差算法剔除模糊图像，并人工抽检剔除含气泡、杂质等污染的无效样本。数据增强策略应用于训练集，包括随机旋转（±30°）、局部遮挡（最大20%面积）、光照波动（亮度变化±25%）和高斯噪声（标准差0.02），以提升模型泛化能力。测试集和验证集仅进行归一化处理。模型架构基于卷积神经网络（如ResNet、EfficientNet等），嵌入注意力模块以增强对细微形态特征的捕捉能力。此外，针对同种藻类形态各异、相似性高等问题，采用多方法融合策略，为不同背景的图像选择最佳的预处理与分割方法。

应用场景描述

本发明方法及系统主要应用于水资源环境监测与水产养殖中的藻类自动化识别与预警场景。传统藻类鉴定依赖人工镜检，对检测人员的专业知识要求高、效率低，难以满足大规模实时监测需求。本发明通过将实时采集的水样显微图像输入藻类识别模型，可自动输出藻类图像及其类别名称，实现快速、准确的藻类检测与分类。典型应用包括：饮用水源地水质监测中的藻类群落结构分析、水产养殖池塘中有毒有害藻类的早期预警、海洋赤潮/藻华的自动化监测与预警，以及生态环境监测中的藻类多样性调查。实现藻类观测与变化趋势统计分析，显著提升监测效率与准确性，降低对专业人员经验的依赖。

数据格式：

JPG、TXT
数据更新频率：

其他
数据量：

1000

样例数据

详细见附件附件下载

数据结构样例

数据集分为两部分，一部分为JPG格式的图像数据，另一部分为TXT格式的标注数据，同一张JPG图片对应的TXT文件具有共同的前缀文件名。该标注文件是专业标注人员通过标注工具生成的文件，每个标注文件保留了图像目标的检测标注信息。TXT文件采用YOLO标准格式，每行表示一个目标标注，字段具体含义如下：class_id: 标注对象的类别ID，以整数表示，用于区分不同类别的目标；x_center: 标注边界框中心点的X坐标，为相对于图像宽度的归一化值（0-1范围）；y_center: 标注边界框中心点的Y坐标，为相对于图像高度的归一化值（0-1范围）；width: 标注边界框的宽度，为相对于图像宽度的归一化值（0-1范围）；height: 标注边界框的高度，为相对于图像高度的归一化值（0-1范围）。每行字段间以空格分隔，一行对应一个目标，多目标依次换行记录。

数据状态

2026-08-08

数据知识产权登记完成