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！

龙图腾网获悉广西民族大学申请的专利基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别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：CN116363508B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310263245.2，技术领域涉及：G06V20/10；该发明授权基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法是由李尚平;卞俊析;李凯华;文春明;褚元;李洋;张超;郑创锐;唐丹;甘伟光;闫清林;王聪;叶滢敏;陈成设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法在说明书摘要公布了：本发明公开了一种基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，包括以下步骤：1获取数据集；2数据标注；3改进yolov5模型：以原始yolov5网络模型进行修改，先将yolov5原来PANET层改进为BIFPN层，从而实现自上而下与自下而上的深浅层特征双向融合，然后在neck部分引入CA注意力机制配合BIFPN提高模型对小目标和复杂环境下目标的识别率，再使用轻量化的Ghost卷积网络代替原有的卷积网络；4模型训练；5输出坐标。本发明的方法，从甘蔗生长的特性和yolov5算法的高效性相结合，改进模型相比较原始模型，召回率也有比较明显的提升。更高的召回率意味着模型的漏检率变少，蔗梢识别精准度高，也表明本方法更加适用于复杂环境下蔗梢的检测。

本发明授权基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法在权利要求书中公布了：1.一种基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，包括以下步骤： 1获取数据集：拍摄收集多张从甘蔗地拍摄的蔗梢照片，对蔗梢照片进行处理得到数据集，数据集包括训练集、测试集和验证集； 2数据标注：对步骤1的图片数据集进行标注，得到与训练集、测试集和验证集一一对应的标注文件； 3改进yolov5模型：以原始yolov5网络模型进行修改，先将yolov5原来PANET层改进为BIFPN层，从而实现自上而下与自下而上的深浅层特征双向融合，然后在neck部分引入CA注意力机制配合BIFPN提高模型对小目标和复杂环境下目标的识别率，再使用轻量化的Ghost卷积网络代替原有的卷积网络； 4模型训练：将步骤2得到的图片训练集和训练集标注文件放入步骤3所改进的yolov5模型进行训练，得到性能最优的模型并保存； 5输出坐标：以甘蔗簇为基本单位，得到一簇中所有蔗梢的中心坐标，再对所有的中心坐标求平均值并输出； 步骤3改进yolov5模型的方法包括： 1在yolov5架构的基础上，对其头部网络进行优化，将yolov5中原来的PANET修改为BiFPN； 2在neck部分引入CA注意力机制配合BIFPN，CA注意力机制通过精确的位置信息对通道关系和长期依赖性进行编码,具体操作分为Coordinate信息嵌入和CoordinateAttention生产2个步骤； 3用Ghost卷积层替代原有的网络卷积层，将原有的卷积操作分成两个阶段，其中第一阶为段少量的卷积计算，第二阶段则是在第一阶段得到的特征图的基础上进行分块单独线性卷积，生成原有的特征图的Ghost，并在最后将它们组合在一起来得到特征图； 步骤2CA为了获取图像宽度和高度上的注意力并对精确位置信息进行编码，方法包括： A先将输入特征图分为宽度和高度两个方向分别进行全局平均池化，分别获得在宽度和高度两个方向的特征图；如下公式所示： 1 2 具体而言，给定输入X，使用池核H，1或1，W的两个空间范围分别沿水平坐标和垂直坐标对每个通道进行编码；因此，高度h处的第c通道的输出公式化为1，宽度w处的第c通道的输出公式化为2； B接着将获得全局感受野的宽度和高度两个方向的特征图拼接在一起,之后将它们送入共享的卷积核为1×1的卷积模块，将其维度降低为原来的Cr，然后将经过批量归一化处理的特征图F1送入Sigmoid激活函数得到形如1×W+H×Cr的特征图f，如下列所示： 3 C接着将特征图f按照原来的高度和宽度进行卷积核为1×1的卷积分别得到通道数与原来一样的特征图Fh和Fw，经过Sigmoid激活函数后分别得到特征图在高度和宽度上的注意力权重和在宽度方向的注意力权重；如下列公式所示： 4 5 D经过上述计算后将会得到输入特征图在高度方向的注意力权重和在宽度方向的注意力权重；最后在原始特征图上通过乘法加权计算，将得到最终在宽度和高度方向上带有注意力权重的特征图，如下列公式所示： 6 步骤3用Ghost卷积层替代原有的网络卷积层的方法包括：Ghost卷积模块先通过1×1普通卷积操作生成一些基础的原始特征图，然后将这些特征图逐一进行φ1、φ2、…、φk线性变换，得到另一部分冗余特征图后，将这一部分特征图与原始特征图进行融合，从而增加通道数。

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广西民族大学，其通讯地址为：530006 广西壮族自治区南宁市西乡塘区大学东路188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。