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！

龙图腾网获悉太原理工大学申请的专利一种基于GYOLOv5的X光危险物品检测与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：CN115641469B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211261135.4，技术领域涉及：G06V10/764；该发明授权一种基于GYOLOv5的X光危险物品检测与识别方法是由张玲;徐成武;李钢;侯惠超;续强;陈太兵;杨之博设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于GYOLOv5的X光危险物品检测与识别方法在说明书摘要公布了：本发明提供了一种基于GYOLOv5的X光危险物品检测与识别方法，属于目标检测技术领域；解决了现有X光危险物品检测在复杂背景下检测准确率低、漏检、误检等问题；包括以下步骤：使用人工标注的X光危险物品图像数据作为原始数据进行预处理；设计网络模型参数；加深网络深度，在网络的backbone层，采用连续的几个3×3卷积核替代backbone中较大的卷积核；对构建的基础YOLOv5网络进行改进，改变网络上、下采样层的卷积操作，利用多通道融合卷积块代替传统卷积结构；使用跳跃连接部分低级与高级特征的特征融合方案，对特征重新学习；调整网络参数，生成并保存训练好的危险物品检测模型，将数据输入至训练好的检测模型，输出检测结果；本发明应用于X光危险物品检测。

本发明授权一种基于GYOLOv5的X光危险物品检测与识别方法在权利要求书中公布了：1.一种基于GYOLOv5的X光危险物品检测与识别方法，其特征在于：包括如下步骤： 步骤S1：使用人工标注的X光危险物品图像数据作为原始数据进行预处理，得到数据集，并将数据集划分为训练集和测试集； 步骤S2：构建基础YOLOv5网络模型并配置网络模型参数； 步骤S3：加深网络深度，在基础YOLOv5网络的backbone层，采用多个连续的3×3卷积核替代backbone中的卷积核； 步骤S4：对构建的基础YOLOv5网络进行改进，改变网络上采样层、下采样层的卷积操作，利用多通道融合卷积块代替传统卷积结构； 其中多通道融合卷积块对特征图分离后分为三个分支S1、S2、S3，分支S1和S2保持特征图与通道数不变，对分支S3进行卷积；之后，对经过卷积操作的特征图与分支S1和分支S2的特征图进行融合；最后，采取多通道融合操作交换特征图各个通道之间的信息，获得的特征图与上层特征图大小相同，对获取的特征图再次进行通道分离、分支卷积、通道拼接与融合操作； 步骤S4所述的多通道融合卷积块用于提取图像的高层特征与低层特征信息，多通道融合卷积块包含2个卷积层、批归一化层和修正线性单元ReLU，多通道融合卷积块提取的特征图包含三个分支S1、S2、S3，分支S1接CBAM注意力机制对特征图进行特征提取传入下一个卷积块；分支S2接Transformer注意力机制对特征图进行特征提取传入下一个卷积块；分支S3进入跳跃连接路径； 步骤S5：使用跳跃连接低级与高级特征的特征融合方案，对特征重新学习； 步骤S6：定义检测模型的超参数，利用步骤S1处理后的数据集进行训练，得到损失函数的损失值和检测结果； 步骤S7：根据检测结果调整网络参数，生成并保存训练好的危险物品检测模型，将测试集数据输入至训练好的危险物品检测模型，对X光安检图像进行检测，输出检测结果。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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。