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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于C-YOLOv3的键帽缺陷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：CN117808745B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202311664562.1，技术领域涉及：G06T7/00；该发明授权一种基于C-YOLOv3的键帽缺陷检测方法是由熊太平;朱治国;汪庭浩设计研发完成，并于2023-12-06向国家知识产权局提交的专利申请。

本一种基于C-YOLOv3的键帽缺陷检测方法在说明书摘要公布了：本发明公开了一种基于C‑YOLOv3的键帽缺陷检测方法，通过构建C‑YOLOv3网络模型，C‑YOLOv3网络模型包括骨干网络和检测网络，并通过降低C‑YOLOv3网络模型的损失函数Loss进行训练得到键帽表面缺陷检测模型；C‑YOLOv3网络模型通过增加多尺度注意力机制残差块和快速金字塔池化残差块来改进darknet‑53网络，能更有效地提取键帽上小目标缺陷的特征；还通过增加多通道卷积模块改善了对小目标缺陷的检测和定位能力，在提高检测精度的同时极大地加快了检测速度；本发明采用SiLU激活函数，还加入交并比，在缓解了深度神经网络梯度消失的问题，降低了缺陷的漏检率的同时提高了检测精度。

本发明授权一种基于C-YOLOv3的键帽缺陷检测方法在权利要求书中公布了：1.一种基于C-YOLOv3的键帽缺陷检测方法，其特征在于，包括以下步骤： 步骤1、获取键帽表面缺陷图像，对键帽表面缺陷图像进行扩充，再对扩充后的键帽表面缺陷图像进行缺陷特征标注，最后根据标注好的键帽表面缺陷图像划分训练集、验证集、以及测试集； 步骤2、构建C-YOLOv3网络模型，C-YOLOv3网络模型包括骨干网络和检测网络； 步骤3、将待检测的键帽表面缺陷图像输入到构建好的C-YOLOv3网络模型中得到预测特征图，再通过预测特征图得到待检测的键帽表面缺陷图像中缺陷的类别和对应的预测框的四个偏移参数； 步骤4、利用训练集并通过最小化C-YOLOv3网络模型的损失函数Loss对C-YOLOv3网络模型进行训练，训练完成后保存C-YOLOv3网络模型参数得到键帽表面缺陷检测模型； 所述骨干网络包括DBL结构和残差网络模块，残差网络模块包括YOLOv3网络模型的Darknet-53网络中的5个残差结构、以及YOLOv3网络模型的Darknet-53网络中嵌入的3个残差结构； DBL结构包括依次设置的卷积层、批归一化层、以及SiLU激活函数层； YOLOv3网络模型的Darknet-53网络中嵌入的3个残差结构分别包括：在Darknet-53网络的残差网络模块的第3个和第4个残差结构后面分别连接的多尺度注意力机制残差块构成的残差结构，以及在Darknet-53网络的残差网络模块的第5个残差结构后面连接的一个快速金字塔池化残差块构成的残差结构； 骨干网络的残差网络模块的8个残差结构对应的残差块中的残差单元的数量依次为1-2-8-1-8-1-4-1，每个残差块包括一个零点填充结构、DBL结构、以及多个残差单元； 所述检测网络包括金字塔特征网络和输出层，检测网络的输出层包括三个多通道卷积模块和三个1×1卷积层，每个多通道卷积模块后连接一个1×1卷积层； 所述多尺度注意力机制残差块基于以下公式： Md＝σf1×1XAvgPoolF+σf1×1YAvgPoolF+f McF＝σxcσAvgPoolMd,f3×3F+xcσAvgPoolf3×3F,Md+F 式中，Md是注意力特征图，F是输入特征图；AvgPoll是全局的平均池化编码，XAvgPoolF是输入特征图F经过X方向上的平均池化编码后的输出编码向量，X方向为特征图的宽度方向；YAvgPoolF是输入特征图F经过Y方向上的平均池化编码后的输出编码向量，Y方向为特征图的高度方向；σ是Sigmoid函数，f1×1是1×1的卷积操作；McF是输出特征图，f3×3是3×3的卷积操作；xc是矩阵乘法； 快速金字塔池化残差块是将骨干网络的第7个残差结构的输出特征图通过一个ConvBNMish模块后的输出再通过3个5×5大小的MaxPool层，然后将三个MaxPool层的输出连接后通过一个ConvBNMish模块进行输出； ConvBNMish模块包括Conv卷积、BN归一化、以及Mish激活函数。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。