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！

龙图腾网获悉浙江工业大学申请的专利图像识别方法、AGV物料分拣方法及系统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：CN115937765B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211491394.6，技术领域涉及：G06V20/52；该发明授权图像识别方法、AGV物料分拣方法及系统是由马菲飞;单晓杭设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本图像识别方法、AGV物料分拣方法及系统在说明书摘要公布了：本发明属于AGV领域，具体涉及一种图像识别方法、AGV物料分拣方法及系统，包括：S1，对目标图像进行采集，形成自建数据集；S2，对图像进行分割，然后从中提取带有物料特征及托盘信息的数据集；S3，进行图像进行标注增强；S4，构建改进YOLO‑v5模型；S5，训练改进YOLO‑v5模型，得到最佳的训练模型；S6，将训练好的YOLO‑v5模型对物料进行分类识别，对托盘负载进行判断，输出物料的种类，以及托盘的负载情况。本发明采用MobileNet‑v3作为改进YOLO‑v5模型中的Backbone部分，更好地解决了原始YOLO‑v5模型中的Backbone结构参数量大，检测速度慢等问题。

本发明授权图像识别方法、AGV物料分拣方法及系统在权利要求书中公布了：1.一种AGV物料分拣方法，其特征在于，包括： 步骤1，通过web网页登录服务模块进入客户端，在客户端内开启当前工作模式，此时数字摄像头开始工作，将全局拍摄到的托盘负载情况通过无线AP产生的局域网，向后台服务器进行传输； 步骤2，后台服务器将视频帧转化为图像，将转化好的图像数据传入图像识别模块，图像识别模块进行识别判断，若识别到托盘有负载时，则通过任务管理模块向带有工业摄像头的AGV下发搬运任务；图像识别模块包含改进YOLO-v5模型，所述改进YOLO-v5模型通过图像识别方法获得，所述图像识别方法包括： S1，对目标图像进行采集，形成自建数据集； S2，对图像进行分割，然后从中提取带有物料特征及托盘信息的数据集； S3，进行图像标注增强，将数据集分为训练集、验证集和测试集； S4，构建改进YOLO-v5模型，包括： S4-1，采用改进的MobileNet-v3网络结构作为改进YOLO-v5模型中的Backbone部分，所述改进MobileNet-v3网络结构，采用像素级和通道级注意力机制CANet替换MobileNet-v3基础网络Bneck中的SE注意力机制；所述改进YOLO-v5模型中的Backbone的网络结构由1个3x3卷积、14层bneck结构组成；输入的图像首先经过一个3x3卷积缩小特征尺寸，然后进入14层bneck结构进行特征提取；其中bneck结构采用倒残差结构的形式，先用1x1的逐点卷积进行升维操作，扩张特征图通道，丰富特征数量，然后在进行3x3的卷积操作选择性地加入CANet注意力机制，最后经过1x1卷积获得最后特征图； S4-2，沿用原YOLO-v5模型中FPN+PAN的网络结构设计作为改进YOLO-v5模型中的neck部分，经过S4-1得到的特征图由FPN层由下到上传达特征信息，将低分辨率、高语义信息的高层特征和高分辨率、低语义信息的底层特征自下到上进行融合，然后经过PAN自上向下进行加强定位信息； S4-3，采用Transformer检测头作为改进YOLO-v5模型中的head部分，所述Transformer检测头为利用Transformer改进原有YOLO-v5模型中的Head部分得到，将S4-2得到的特征图传入Transformer检测头，利用Transformer获取的局部信息比CNN大的特点，来加强对于小物体的检测； S5，训练改进YOLO-v5模型，得到最佳的训练模型； S6，将训练好的YOLO-v5模型对物料进行分类识别，对托盘负载进行判断，输出物料的种类，以及托盘的负载情况； 步骤3，带有工业摄像头的AGV接受到搬运任务后，通过路径规划模块计算出当前AGV的位置到达搬运区域的路线，当AGV根据计算的路线行驶至搬运区域，工业摄像头采集物料图像，将扫描到的物料视频信息传入后台服务器； 步骤4，后台服务器将获取的实时视频信息流转化为图像信息，并传入图像识别模块，图像识别模块进行识别判断，输出物料类别，同时，再次调用路径规划模块，计算出当前物料类别所要存放的区域，给AGV规划路径，AGV根据规划路径完成搬运工作。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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。