恭喜安徽大学赵晋陵获国家专利权
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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。