【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及神經(jīng)網(wǎng)絡(luò)，尤其是涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法及系統(tǒng)。
技術(shù)介紹
1、海洋生物分類(lèi)對(duì)于海洋生態(tài)研究、資源管理和生物多樣性保護(hù)具有重要意義。然而，由于海洋生物種類(lèi)繁多、形態(tài)多樣，且部分生物難以獲取完整樣本，傳統(tǒng)的分類(lèi)方法面臨諸多挑戰(zhàn)。目前廣泛應(yīng)用的分類(lèi)技術(shù)包括形態(tài)學(xué)分類(lèi)法、dna條形碼技術(shù)和基于2d圖像的識(shí)別方法等。形態(tài)學(xué)分類(lèi)法雖然直觀(guān)，但過(guò)度依賴(lài)專(zhuān)家經(jīng)驗(yàn)，主觀(guān)性強(qiáng)，難以應(yīng)對(duì)形態(tài)相似的物種；dna條形碼技術(shù)雖然準(zhǔn)確度高，但成本較高，難以在大規(guī)模分類(lèi)中推廣應(yīng)用；基于2d圖像的識(shí)別方法雖然效率較高，但往往忽略了生物體的三維結(jié)構(gòu)信息，導(dǎo)致分類(lèi)準(zhǔn)確率受限。近年來(lái)，三維建模技術(shù)在生物學(xué)領(lǐng)域的應(yīng)用日益廣泛，為捕捉生物體的立體結(jié)構(gòu)特征提供了新的可能。同時(shí)，圖神經(jīng)網(wǎng)絡(luò)(gnn)在分類(lèi)任務(wù)中展現(xiàn)出了優(yōu)越的性能，特別是在處理具有復(fù)雜關(guān)系結(jié)構(gòu)的數(shù)據(jù)時(shí)。然而，現(xiàn)有的海洋生物分類(lèi)方法仍存在諸多不足，主要表現(xiàn)在：未能充分利用海洋生物的三維結(jié)構(gòu)特征，缺乏對(duì)形態(tài)學(xué)和分子生物學(xué)信息的有效整合，以及分類(lèi)模型的泛化能力和可解釋性有待提高。鑒于此，開(kāi)發(fā)一種結(jié)合三維建模和gnn的新型海洋生物分類(lèi)方法具有重要的理論意義和應(yīng)用價(jià)值，有望突破現(xiàn)有技術(shù)的局限，提高海洋生物分類(lèi)的準(zhǔn)確性、效率和可擴(kuò)展性。
技術(shù)實(shí)現(xiàn)思路
1、為了解決上述提到的問(wèn)題，本專(zhuān)利技術(shù)提供一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法及系統(tǒng)。
2、第一方面，本專(zhuān)利技術(shù)提供的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，采用如下的技術(shù)方案：
...【技術(shù)保護(hù)點(diǎn)】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述獲取海洋生物的點(diǎn)云數(shù)據(jù)，包括采用水下3D激光掃描儀從多角度采集海洋生物的點(diǎn)云數(shù)據(jù)，為確保數(shù)據(jù)質(zhì)量，使用迭代最近點(diǎn)ICP算法對(duì)多角度點(diǎn)云進(jìn)行配準(zhǔn)，每個(gè)采集的點(diǎn)表示為：
3.根據(jù)權(quán)利要求2所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述基于獲取的點(diǎn)云數(shù)據(jù)構(gòu)建三維網(wǎng)格模型，包括應(yīng)用泊松表面重建算法生成初始網(wǎng)格模型M=?(V,?F)，V為頂點(diǎn)集，F(xiàn)為面片集，泊松表面重建通過(guò)求解偏微分方程得到的零等值面即為重建的表面，并利用拉普拉斯平滑優(yōu)化模型表面。
4.根據(jù)權(quán)利要求3所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述利用三維網(wǎng)格模型提取關(guān)鍵形態(tài)學(xué)特征，包括通過(guò)計(jì)算模型表面的曲率信息，生成所需形狀索引和形狀描述符，利用形狀索引和形狀描述符與生物學(xué)數(shù)據(jù)融合，構(gòu)建綜合特征向量。
5.根據(jù)權(quán)利要求4所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述利用提取的關(guān)鍵形態(tài)學(xué)特征訓(xùn)練圖神
6.根據(jù)權(quán)利要求5所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述利用提取的關(guān)鍵形態(tài)學(xué)特征訓(xùn)練圖神經(jīng)網(wǎng)絡(luò)，還包括為提高模型的表達(dá)能力，引入多頭注意力機(jī)制優(yōu)化圖卷積神經(jīng)網(wǎng)絡(luò)，具體表示為：
7.根據(jù)權(quán)利要求6所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述基于訓(xùn)練好的圖神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)預(yù)測(cè)，包括通過(guò)訓(xùn)練好的GNN模型進(jìn)行分類(lèi)預(yù)測(cè)：
8.一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)系統(tǒng)，其特征在于，包括：
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中存儲(chǔ)有多條指令，其特征在于，所述指令適于由終端設(shè)備的處理器加載并執(zhí)行如權(quán)利要求1所述的方法。
10.一種終端設(shè)備，包括處理器和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，處理器用于實(shí)現(xiàn)各指令；計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)多條指令，其特征在于，所述指令適于由處理器加載并執(zhí)行如權(quán)利要求1所述的方法。
...【技術(shù)特征摘要】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述獲取海洋生物的點(diǎn)云數(shù)據(jù)，包括采用水下3d激光掃描儀從多角度采集海洋生物的點(diǎn)云數(shù)據(jù)，為確保數(shù)據(jù)質(zhì)量，使用迭代最近點(diǎn)icp算法對(duì)多角度點(diǎn)云進(jìn)行配準(zhǔn)，每個(gè)采集的點(diǎn)表示為：
3.根據(jù)權(quán)利要求2所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述基于獲取的點(diǎn)云數(shù)據(jù)構(gòu)建三維網(wǎng)格模型，包括應(yīng)用泊松表面重建算法生成初始網(wǎng)格模型m=?(v,?f)，v為頂點(diǎn)集，f為面片集，泊松表面重建通過(guò)求解偏微分方程得到的零等值面即為重建的表面，并利用拉普拉斯平滑優(yōu)化模型表面。
4.根據(jù)權(quán)利要求3所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述利用三維網(wǎng)格模型提取關(guān)鍵形態(tài)學(xué)特征，包括通過(guò)計(jì)算模型表面的曲率信息，生成所需形狀索引和形狀描述符，利用形狀索引和形狀描述符與生物學(xué)數(shù)據(jù)融合，構(gòu)建綜合特征向量。
5.根據(jù)權(quán)利要求4所述的一種基于圖神經(jīng)網(wǎng)絡(luò)的海洋生物分類(lèi)方法，其特征在于，所述利用提取的關(guān)鍵...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：蘇博，由麗萍，孫婧，李淑君，趙玉庭，何健龍，張娟，李志林，
申請(qǐng)(專(zhuān)利權(quán))人：山東省海洋資源與環(huán)境研究院山東省海洋環(huán)境監(jiān)測(cè)中心，山東省水產(chǎn)品質(zhì)量檢驗(yàn)中心，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。