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！

龙图腾网获悉山东博昂信息科技有限公司申请的专利一种基于YOLOv8的天车挂钩识别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：CN120807959B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510945083.X，技术领域涉及：G06V10/44；该发明授权一种基于YOLOv8的天车挂钩识别方法及系统是由董利亚;乔文静;庞先昂设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种基于YOLOv8的天车挂钩识别方法及系统在说明书摘要公布了：本发明公开了一种基于YOLOv8的天车挂钩识别方法及系统，包括以下步骤：S1：数据采集与标注；S2：模型结构创新；S3：自监督预训练机制；S4：模型训练与部署优化；包括数据采集与标注模块、模型构建与优化模块、自监督预训练模块和模型训练与部署模块。本发明通过LAF和LDEB模块增强细节提取能力，提升挂钩识别准确率；模型轻量化优化后，帧处理时间缩短30%以上，适用于边缘部署；能在强光、阴影、遮挡等复杂环境中稳定识别目标；模型结构适配性强，可快速迁移至其他起重目标识别任务。

本发明授权一种基于YOLOv8的天车挂钩识别方法及系统在权利要求书中公布了：1.一种基于YOLOv8的天车挂钩识别方法，其特征在于，包括以下具体步骤： S1：数据采集与标注：利用摄像头采集天车挂钩在不同姿态、光照和背景下的视频帧，并进行精细化手工标注，构建高质量数据集； S2：模型结构创新：在YOLOv8原始结构基础上，提出如下改进：轻量级注意力机制模块、局部细节增强分支、动态锚框自适应机制、改进损失函数； S3：自监督预训练机制：构造自监督任务，在大规模无标签工业视频数据上进行预训练，将预训练权重迁移至YOLOv8主干网络； S4：模型训练与部署优化：使用混合精度训练提高训练效率，模型量化与剪枝以适配边缘设备实时部署； 所述S1具体包括： S11：在数据采集环节，摄像头以帧率为采集天车挂钩视频帧，确保在时间维度上能充分捕捉天车挂钩的动态变化； S12：对于数据标注，采用精细化手工标注方式，具体如下：定义标注精度参数；引入标注—致性算法，计算不同标注人员对同—视频帧中标注结果的一致性指标c；在构建高质量数据集时，运用数据增强算法，包括随机旋转角度、随机缩放比例s以及随机平移距离d； 所述S2具体包括： S21：轻量级注意力机制模块：在Backbone和Neck之间引入轻量级注意力模块，有效增强模型对细小目标的感知能力； S22：局部细节增强分支：新增辅助分支，专注于提取挂钩边缘与连接部位特征，与主干特征融合后提升目标辨识能力； S23：动态锚框自适应机制：通过在线学习优化锚框参数，提高对不同尺寸挂钩的适应性； S24：改进损失函数：引入位置敏感IoU损失，更准确评估挂钩重心预测误差； 所述S21具体包括： S211：定义输入特征图的通道数为C，宽度为W，高度为H，即输入特征图尺寸为； S212：引入卷积操作计算通道注意力权重，卷积核大小为，步长为，填充为，通道数保持不变； S213：计算输出的注意力权重特征图； S214：将注意力权重特征图与输入特征图进行逐元素相乘融合，得到增强后的特征图； 所述S22具体包括：在原YOLOv8Neck层中加入并联的局部增强分支，分支结构引入DilatedConvolution，扩大感受野而不损失分辨率；结合SwinTransformer模块，引入局部窗口注意力机制，提高局部结构表达力；最终通过Concat方式融合进主干特征图。

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山东博昂信息科技有限公司，其通讯地址为：250102 山东省济南市高新区舜风路322号同科大厦10号楼1单元201室；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。