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！

龙图腾网获悉淮阴工学院申请的专利一种基于改进YOLOv7-tiny的危化品车辆目标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：CN117315584B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202311303447.1，技术领域涉及：G06V20/52；该发明授权一种基于改进YOLOv7-tiny的危化品车辆目标检测方法是由陈伯伦;于翠莹;刘步实;朱鹏程;戚梓凡;赵月;王珊珊;王凌;韩帅;王笑颜;许雪;李哲;刘晓娈设计研发完成，并于2023-10-09向国家知识产权局提交的专利申请。

本一种基于改进YOLOv7-tiny的危化品车辆目标检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv7‑tiny的危化品车辆目标检测方法,包括以下步骤：首先将危化品车辆数据集中的原始图像进行一次处理，生成统一大小的图像，然后对统一大小的图像进行二次处理；在模型的Backbone部分引入轻量的C2fGhostv2网络和部分卷积；在模型的Neck部分也引入轻量的C2fGhostv2网络，使模型在保证轻量化的同时获得更加丰富的梯度流信息，更高效的进行特征融合。再者，为了解决解决盲目强调高质量样本导致的目标性能下降的问题，使用WIoU损失函数，很好的平衡了高质量和低质量样本的训练效果，提高了模型的鲁棒性和泛化性能；最后通过卷积和解码操作来生成目标框的位置和类别信息。与现有技术相比，本发明为危化品车辆目标检测领域的理论研究和应用提供了有力支持。

本发明授权一种基于改进YOLOv7-tiny的危化品车辆目标检测方法在权利要求书中公布了：1.一种基于改进YOLOv7-tiny的危化品车辆目标检测方法，其特征在于，包括以下步骤： S1、获取待处理图像，并对其预处理；首先将危化品车辆数据集中的原始图像进行一次处理，生成统一大小的图像，然后对统一大小的图像进行二次处理； S2、构建基于YOLOv7-tiny的危化品车辆目标检测模型，在模型的Backbone部分引入C2fGhostv2网络和PConv模块；所述C2fGhostv2网络通过GhostNetv2网络和C2f模块组成；其中，GhostNetv2网络通过Ghost模块和解耦全连接注意力机制DFC构成，GhostNetv2网络替换了C2f模块中的多个重复的残差块，实现轻量级的特征提取和长距离依赖关系的捕捉；具体的，在Backbone部分的第一和第二个最大池化操作之间引入C2fGhostv2，替换掉该处的原XBL模块，并且用PConv替换Backbone中最后两个XBL模块中的部分普通卷积，得到PXBL； 所述XBL模块由5个标准卷积模块CBL模块组成，输入特征经过两个并联的第一CBL模块、第二CBL模块处理后，第一CBL模块输出特征依次经过第三、第四CBL模块处理，第一CBL模块、第二CBL模块、第三CBL模块、第四CBL模块输出特征经过Concat处理后再经过一个第五CBL模块处理；用PConv替换Backbone中最后两个XBL模块中的第三CBL模块； S3、在YOLOv7-tiny目标检测模型的Neck部分引入轻量的C2fGhostv2网络；用C2fGhostv2网络替换原模型中预测大尺度目标前最后一个XBL模块，进一步处理从主干网络传递过来的特征图； S3.1、将经过Backbone部分后的特征输入到网络模型的Neck中，进一步处理从主干网络传递过来的特征图，以提取更丰富的语义信息； S3.2、提取到的特征经过特征金字塔网络来融合来自不同层级的特征图； S3.3、特征金字塔创建后，Neck部分使用卷积或上采样操作来融合特征； S3.4、Neck部分还引入了C2fGhostv2模块，用C2fGhostv2网络替换原模型中预测大尺度目标前最后一个XBL模块，最终Neck部分分别输出浅层特征图、中层特征图和深层特征图，用于检测目标的位置和类别； S4、使用WIoU损失函数，平衡样本的训练效果； S5、网络模型的Head部分接收来自Neck部分的多尺度特征图，通过卷积和解码操作来生成目标框的位置和类别信息，将步骤S1处理后的图像输入至危化品车辆检测网络进行训练，将训练完成的危化品车辆检测网络权重保存，生成轻量化危化品车辆检测模型，用于检测危化品车辆。

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淮阴工学院，其通讯地址为：223400 江苏省淮安市涟水县海安路10号安东大厦8楼；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。