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！

龙图腾网获悉西安建筑科技大学申请的专利一种基于YOLOv5的3D打印混凝土孔隙检测及分类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：CN116863236B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310865691.0，技术领域涉及：G06V10/764；该发明授权一种基于YOLOv5的3D打印混凝土孔隙检测及分类方法是由马宗方;曾妮;宋琳;段明设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本一种基于YOLOv5的3D打印混凝土孔隙检测及分类方法在说明书摘要公布了：本发明公开了一种基于YOLOv5的3D打印混凝土孔隙检测及分类方法，包括以下步骤：步骤1：制作3D打印混凝土的孔隙数据集；步骤2：优化初始目标预测框；步骤3：初步搭建3D打印混凝土孔隙检测及分类网络中的主干网络，用于对步骤1孔隙数据集中的两类孔隙进行特征的提取及学习；步骤4：在步骤3的网络基础上，搭建3D打印混凝土孔隙检测及分类网络中的识别网络，用于对步骤3中所提取到的特征作进一步的检测及分类；步骤5：用步骤1中制作好的孔隙数据集训练步骤4中搭建好的孔隙检测及分类网络；步骤6：测试并对比分析3D打印混凝土孔隙检测及分类网络。本发明不仅能有效检测出混凝土孔隙，还能对孔隙类别进行划分。

本发明授权一种基于YOLOv5的3D打印混凝土孔隙检测及分类方法在权利要求书中公布了：1.一种基于YOLOv5的3D打印混凝土孔隙检测及分类方法，其特征在于，包括以下步骤； 步骤1）：制作3D打印混凝土的孔隙数据集，针对步骤1）中孔隙数据集特点，将孔隙按照孔径分为两类：①3mm；②3mm-10mm； 步骤2）：优化初始目标预测框，用于对步骤1）中孔隙数据集的孔径3mm的孔隙的小孔径孔隙进行更加精确的检测； 步骤3）：初步搭建3D打印混凝土孔隙检测及分类网络中的主干网络，用于对步骤1）孔隙数据集中的两类孔隙进行特征的提取及学习； 步骤4）：在步骤3）的网络基础上，搭建3D打印混凝土孔隙检测及分类网络中的识别网络，用于对步骤3）中所提取到的特征作进一步的检测及分类； 步骤5）：用步骤1）中制作好的孔隙数据集训练步骤4）中搭建好的3D打印混凝土孔隙检测及分类网络； 步骤6）：测试并对比分析3D打印混凝土孔隙检测及分类网络； 所述步骤3）中主干网络搭建是基于YOLOv5算法进行网络搭建，使用更轻量的ShuffleNetV2算法，并在该算法中添加2个PSA极化自注意力模块，3D打印混凝土孔隙检测及分类网络中的主干网络共9层，第一层为卷积池化层，用于修改通道数，第二层到第五层为shufflenetv2层，第六层为PSA层；第七层到第八层为shufflenetv2层；第九层为PSA层； 所述步骤4）中识别网络有两部分：颈部网络Neck和头部网络Detect_head，Neck部分用于融合主干网络中第三层、第五层和第九层所提取的孔隙特征图，采用FPN特征金字塔结构和特征融合模块PANet，通过上采样和下采样操作，生成多尺度的特征金字塔；Detect_head部分用来对特征金字塔进行多尺度目标检测，然后在YOLOv5中对最后三层进行特征预测，输出最终的孔隙检测结果；识别网络共15层，第一层为卷积层，连接主干网络的第九层；第二层为上采样；第三层为连接层，连接主干网络第五层和识别网络第二层，合并输出；第四层为C3模块，该模块由三个卷积块构成的，在每个卷积块之间，加入了BN层和LeakyReLU激活函数；第五层为卷积层；第六层为上采样；第七层为连接层，连接主干网络第三层和识别网络第六层，合并输出；第八层为C3模块；第九层为卷积层；第十层为连接层，连接识别网络的第五层和第八层，合并输出；第十一层为C3模块；第十二层为卷积层；第十三层为连接层，连接识别网络第一层和第十二层，合并输出；第十四层为C3模块；第十五层为检测层，检测输入分别为识别网络第八层、第十一层和第十四层，并在每一层后面添加一个卷积层，用于调整通道数。

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西安建筑科技大学，其通讯地址为：710055 陕西省西安市雁塔路13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”。