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！

龙图腾网获悉本溪钢铁(集团)信息自动化有限责任公司申请的专利一种基于Yolov4的设备状态灯识别系统及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：CN120374919B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510300578.7，技术领域涉及：G06V10/20；该发明授权一种基于Yolov4的设备状态灯识别系统及方法是由王博;薛明;吴琼;冯静静;施宇;吕英霄;李萌;杨斯程设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于Yolov4的设备状态灯识别系统及方法在说明书摘要公布了：本发明公开了一种基于Yolov4的设备状态灯识别系统及方法，涉及设备智能识别技术领域，该方法包括：控制机器人采集机房设备状态灯图像，并对图像进行Mosaic数据增强和标注，构建数据集；构建状态灯识别模型，所述状态灯识别模型包括输入层、主干网络、融合网络和预测输出；使用CIOULoss和DIOU_NMS改进损失函数，提升回归精度；训练所述状态灯识别模型，引入自对抗训练和跨小批量标准化，获得权重文件；部署训练好的状态灯识别模型，识别设备状态灯图像。本发明通过构建状态灯识别模型，解决了当前目标检测算法对多目标、小目标的检测效果不佳等问题，具有实时识别效率高，对小目标识别效果好，识别准确率高的优点。

本发明授权一种基于Yolov4的设备状态灯识别系统及方法在权利要求书中公布了：1.一种基于Yolov4的设备状态灯识别方法，其特征在于：该方法包括： 控制机器人采集机房设备状态灯图像，并对图像进行Mosaic数据增强和标注，构建数据集； 构建状态灯识别模型，所述状态灯识别模型包括输入层、主干网络、融合网络和预测输出；所述输入层，用于输入设备状态灯图像，所述主干网络包括CBM模块和CSP模块，用于初步特征提取；所述融合网络包括SPP模块和PANet模块，用于多层次特征融合；所述预测输出，生成目标检测结果，所述目标检测结果包括状态灯的位置和类别信息； 所述主干网络，基于CSPDarknet53结构，包括CBM模块和CSP模块； 所述主干网络接收所述输入层输入的图像，经过所述CBM模块，进行初步特征处理后，依次经过5个CSP模块进行逐步下采样；每个CSP模块前设有固定大小的卷积核，步幅被设置为特定值，确保特征图的尺寸逐步减小，同时提取更深层次的语义信息；经过所述CBM模块和CSP模块，完成初步的特征提取，输出具有一定语义信息的特征图； 所述CBM模块包括卷积层、批量归一化层和Mish激活函数；所述卷积层，通过卷积核对输入图像进行卷积操作，提取图像中的基础特征；所述批量归一化层，对卷积层输出的特征进行归一化处理；所述Mish激活函数，引入非线性因素，增强梯度流，使所述状态灯识别模型学习特征之间的复杂关系； 所述CSP模块，将基础层的特征映射划分为两部分：一部分通过残差块堆叠，持续提取高级语义特征，另一部分直接通过少量处理与最终输出连接；通过跨阶段层次结构，将两部分特征合并，减少梯度信息的重复计算； 使用CIOU Loss和DIOU_NMS改进损失函数，提升回归精度； 基于所述数据集，训练所述状态灯识别模型，引入自对抗训练和跨小批量标准化，优化训练过程，获得权重文件； 将所述数据集划分为训练集、测试集和验证集； 利用所述训练集，训练所述状态灯识别模型；利用所述验证集，结合损失和准确率，评估所述状态灯识别模型性能；利用所述测试集，用于在所述状态灯识别模型训练完成后，进行独立评估，验证所述状态灯识别模型的泛化能力； 在每次训练迭代中，通过自对抗训练生成对抗样本，并使用所述对抗样本优化所述状态灯识别模型的检测能力；通过跨小批量标准化对特征进行标准化处理，确保训练过程的稳定性；结合CIOU Loss和DIOU_NMS的改进损失函数，优化所述状态灯识别模型的回归精度和预测框筛选效果； 当利用所述验证集评估后，损失值不再显著下降时，则判断所述状态灯识别模型收敛，终止训练迭代，获得权重文件； 所述自对抗训练包括第一阶段和第二阶段； 所述第一阶段包括，在所述状态灯识别模型训练过程中，对输入设备状态灯图像进行对抗性攻击，通过调整图像像素值，生成对抗样本； 所述第二阶段包括，使用生成的所述对抗样本作为输入，以正常的方式训练所述状态灯识别模型，使所述状态灯识别模型能够检测对抗样本中的目标； 所述跨小批量标准化包括，将所述训练集划分为多个小批量数据，每个小批量数据包含部分设备状态灯图像和对应的标注信息；在每个小批量数据中计算特征的均值和方差，并在所述训练集中跨多个小批量数据收集统计数据；使用所述收集统计数据对特征进行标准化处理，确保特征分布的稳定性，加速所述状态灯识别模型收敛； 部署训练好的所述状态灯识别模型，识别设备状态灯图像。

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本溪钢铁(集团)信息自动化有限责任公司，其通讯地址为：117021 辽宁省本溪市平山区广裕路130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。