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！

龙图腾网获悉南京邮电大学申请的专利基于改进的YOLOv5模型的电子元件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：CN118172318B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410258059.4，技术领域涉及：G06T7/00；该发明授权基于改进的YOLOv5模型的电子元件缺陷检测方法是由吴蒙;崔庚设计研发完成，并于2024-03-07向国家知识产权局提交的专利申请。

本基于改进的YOLOv5模型的电子元件缺陷检测方法在说明书摘要公布了：本发明公开了基于改进的YOLOv5模型的电子元件缺陷检测方法，采集电子元件图像，并将该图像制作为电子元件图像数据集，并进行预处理；获取ImageNet数据集、权重文件和标准YOLOv5网络结构，进行预训练，获得预训练权重；对标准YOLOv5网络结构进行改进，获得改进后的YOLOv5网络结构；利用预处理后的电子元件图像数据集和改进后的YOLOv5网络结构进行训练，并评估训练后得到的权重，进行超参数优化，重复训练直到识别率达到95%以上，此时的权重即为最终权重，获得最终的YOLOv5模型；利用最终的YOLOv5模型对电子元件进行缺陷检测，得到相应的检测结果。本发明增加了训练数据的丰富性，增强了模型的鲁棒性，提高了检测速度。

本发明授权基于改进的YOLOv5模型的电子元件缺陷检测方法在权利要求书中公布了：1.基于改进的YOLOv5模型的电子元件缺陷检测方法，其特征在于，包括： S1、采集电子元件图像，并将该图像制作为电子元件图像数据集，并将该数据集划分为训练集和验证集； S2、对电子元件图像数据集进行预处理； S3、获取ImageNet数据集和权重文件，并获取标准YOLOv5网络结构进行预训练，获得预训练权重； S4、对标准YOLOv5网络结构进行改进，获得改进后的YOLOv5网络结构，该网络结构自上而下包括特征主干网络、特征融合模块和检测头；其中特征主干网络包括EfficientNet模块和Squeeze-and-Excitation模块，EfficientNet模块输出的结果输入到Squeeze-and-Excitation模块中；特征融合模块包括BiFPN模块；检测头包括softerNMS算法； 其中，Squeeze-and-Excitation模块包括以下内容： Squeeze-and-Excitation模块将EfficientNet模块输出的特征图进行全局平均池化操作，将空间维度压缩为特征向量，具体公式为： z＝GlobalAvgPoolX 其中，X表示输入特征图，z表示输出的特征向量，GlobalAvgPool表示全局平均池化操作； 将特征向量z输入到第一全连接层中进行映射，具体公式为： f＝W1z+b1 其中，f表示经过第一全连接层映射后的特征向量；用W1和b1分别表示第一全连接层的权重和偏置； 利用非线性激活函数RELU增加特征向量f的非线性，具体公式为： a＝RELUf 其中，a表示经过激活函数处理后的特征向量； 将特征向量a输入第二全连接层中进行线性变换，映射为通道权重向量，具体公式为： s＝W2z+b2 其中，W2和b2分别表示第二全连接层的权重和偏置，s表示经过线性变换后的通道权重向量； 利用sigmoid激活函数将通道权重向量s的值限制在[0,1]之间，具体公式为： δ＝sigmods 其中，δ表示经过Sigmoid激活函数处理后的通道权重向量； S5、利用预训练权重作为初始权重，利用预处理后的电子元件图像数据集对改进后的YOLOv5网络结构进行训练，并评估训练后得到的权重，进行超参数优化，重复训练直到识别率达到95％以上，此时的权重即为最终权重，获得最终的YOLOv5模型； S6、利用最终的YOLOv5模型对电子元件进行缺陷检测，得到相应的检测结果。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。

以上内容由龙图腾AI智能生成。