买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜安徽大学申请的专利一种基于改进的YOLOv5的麦穗检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114973002B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210705045.3，技术领域涉及：G06V20/10；该发明授权一种基于改进的YOLOv5的麦穗检测方法是由赵晋陵;戴飞杰;雷雨;黄林生;汪传建;梁栋;黄文江设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本一种基于改进的YOLOv5的麦穗检测方法在说明书摘要公布了：本发明涉及一种基于改进的YOLOv5的麦穗检测方法，其特征在于：包括：获取麦穗图像并对麦穗图像进行标注，获得麦穗图像数据集，将麦穗图像数据集划分为训练集和测试集；构建YOLOv5网络模型；对YOLOv5网络模型进行改进，得到改进的YOLOv5网络模型；将训练集输入改进的YOLOv5网络模型中，对改进的YOLOv5网络模型进行训练；对改进的YOLOv5网络模型进行评价和测试。本发明使用四尺度特征检测，增加浅层检测尺度，来提高小目标的识别精度；本发明引入CA注意力机制，提升算法的特征提取能力；本发明引入CIOU_Loss作为算法损失函数的BoundingBoxRegressionLoss，提升检验框检测的准确率。

本发明授权一种基于改进的YOLOv5的麦穗检测方法在权利要求书中公布了：1.一种基于改进的YOLOv5的麦穗检测方法，其特征在于：该方法包括下列顺序的步骤：1获取麦穗图像并对麦穗图像进行标注，获得麦穗图像数据集，将麦穗图像数据集划分为训练集和测试集；2构建YOLOv5网络模型；3对YOLOv5网络模型进行改进，得到改进的YOLOv5网络模型；4将训练集输入改进的YOLOv5网络模型中，对改进的YOLOv5网络模型进行训练；5对改进的YOLOv5网络模型进行评价和测试；在步骤2中，所述YOLOv5网络模型包括：Input输入端，用于进行Mosaic数据增强和自适应图片缩放；Backbone基础网络，包括CON结构、C3结构和SPP结构；Neck网络，采用FPN+PAN的结构，其中FPN结构用于自上向下传递强语义特征信息；PAN结构在FPN结构之后增加一个向上的特征金字塔，用于自下向上传递强定位信息；Prediction输出层，包括BoundingBox损失函数和NMS非极大抑制，所述BoundingBox损失函数采用GIOU_Loss损失函数；所述步骤3具体包括以下步骤：3a在YOLOv5网络模型的Backbone基础网络的C3结构与SPP结构之间引入CA注意力机制；3b在YOLOv5网络模型中增加一个160×160的检测尺度，由三尺度检测拓展为四尺度检测；在80×80特征层之后继续增加卷积层和上采样，再将二倍上采样特征层与160×160特征层进行融合，得到第四个160×160的检测尺度，锚框设置采取YOLOv5自带K-Means算法自动生成；3cBoundingBox损失函数采用CIOU_Loss损失函数，其公式如下： 其中，a是权重系数，v表示检测框和真实框的长宽比的距离，b和bgt分别表示类别是麦穗的预测框和非麦穗的预测框的中心点，ρ表示欧氏距离，C表示目标最小外接矩形的对角线距离，IoU表示两个框的交集面积比上他们的并集面积，a和v的表达式为： 式中，ωgt为真实矩形框的宽，hgt为真实矩形框的高，ω为检测矩形框的宽，h为检测矩形框的高；所述步骤5具体是指：采用模型评价指标对改进的YOLOv5网络模型进行评价，所述模型评价指标包括准确率P、召回率R和平均精度均值mAP，其公式如下： 其中，是平均精度，TP表示模型预测正确麦穗的数量，FP表示把非麦穗区域识别成麦穗的样本数量，FN表示将麦穗识别成非麦穗区域的样本数量，M表示类别数量，R表示召回率PR表示不同召回率R下对应的准确率P，APi表示第i次迭代的平均精度；最后将测试集输入训练好的改进的YOLOv5网络模型中进行测试。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。