Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学宋永端获国家专利权

重庆大学宋永端获国家专利权

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!

龙图腾网获悉重庆大学申请的专利一种药包检测计数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:CN116563633B

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:202310540175.0,技术领域涉及:G06V10/764;该发明授权一种药包检测计数方法是由宋永端;沈志熙;王小清;李涛设计研发完成,并于2023-05-15向国家知识产权局提交的专利申请。

一种药包检测计数方法在说明书摘要公布了:本发明涉及一种基于改进的YOLOv5的药包检测计数方法,它包括S1获取原始图像数据集,对原始图像数据集中的图像做弱化非目标区域WNA数据增强处理,构建增强后的数据集;S2构建改进的YOLOv5s模型,利用增强后的数据集训练改进的YOLOv5s模型得到训练好的YOLOv5s模型;S3网络剪枝将训练好的YOLOv5s模型进行轻量化处理得到最优模型;S4将一张待预测原始图片输入最优模型,输出为一张有多个检测框的图片,每个检测框对应一个置信度,将图片中低于置信度阈值的检测框被删掉后,再将图片输入NMS方法处理后,输出最终检测图,该检测图中检测框的数量即为药包的数量。

本发明授权一种药包检测计数方法在权利要求书中公布了:1.一种药包检测计数方法,其特征在于,包括如下步骤: S1:获取原始图像数据集,对原始图像数据集中的图像做弱化非目标区域WNA数据增强处理,构建增强后的数据集; 所述S1中构建增强后的数据集的过程如下: WNA数据增强包含目标区域提取和弱化非目标区域两部分;其中,目标区域提取采用现有数字图像处理方法,弱化非目标区域是指将非目标区域像素置为原像素值乘一个的随机值α,目标区域保持原像素值不变,公式如下: 其中,Pi,j表示图像中i,j位置的像素值,σ表示目标区域,α∈[0,1]为随机值; S2:构建改进的YOLOv5s模型,利用增强后的数据集训练改进的YOLOv5s模型得到训练好的YOLOv5s模型; 所述S2中改进的YOLOv5s模型为主干网络在最后一层CBS+SPP+C3之前插入CBS+C3模块,同时将主干输出40×40×512、20×20×1024、10×10×2048的特征图连接到加强特征提取网络FPN,舍弃80×80×256特征图的输出; S3:网络剪枝将训练好的YOLOv5s模型进行轻量化处理得到最优模型; S4:将一张待预测原始图片输入最优模型,输出为一张有多个检测框的图片,每个检测框对应一个置信度,将图片中低于置信度阈值的检测框被删掉后,再将图片输入NMS方法处理后,输出最终检测图,该最终检测图中检测框的数量即为药包的数量; NMS方法中包括的NMS阈值选取步骤如下: Step1:使用LabelImg标注工具标注独立药包,仅标注药包1、2、3,Ω=ωin表示n张原始图片组成的集合,ωi表示第i张图片,定义σi=θijm表示ωi中m个独立药包真实框组成的集合; Step2:设置NMS阈值为0.9,调用最优模型预测ωi,得到s个预测框组成的集合δi=λiks,λik,s分别表示第i张图片的第kk=1,2,...,s个药包预测框、第i张图片含有的药包检测框总数; Step3:如果iouθij,λik>0,将λik添加到集合Λ=btu中并按置信度排序,计算最大置信度检测框M与Λ中其余检测框bt的交并比,即iouM,bt,取NMS阈值为交并比最小值,即th=min{iouM,bt}; Step4:循环执行m次Step3,更新th; Step5:循环执行n次Step4,更新th; Step6:取最终NMS阈值为Nth=[0.95,1]×th。

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重庆大学,其通讯地址为:400044 重庆市沙坪坝区沙正街174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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。