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！

龙图腾网获悉北京华科仪科技股份有限公司申请的专利一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法和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：CN120472461B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202510513178.4，技术领域涉及：G06V20/70；该发明授权一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法和系统是由任逸轩;李擎;李方玲;吉志东;祝丽萍;肖作为;边宝丽;陈云龙;丁瑞峰;张著军;廖祥林设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法和系统在说明书摘要公布了：本发明涉及一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法，包括：S1，实时获取树脂再生阳塔窥视窗内的阴阳失效树脂图像数据以及反洗过程中的树脂状态图像数据；S2，建立YOLOv8模型，其中所述YOLOv8模型包括ECA注意力机制模块，同时以EIoU作为损失函数；S3，将所述阴阳失效树脂图像数据和所述树脂状态图像数据输入所述YOLOv8模型中，基于所述YOLOv8模型的输出作为对电厂树脂再生进行反洗分层识别。还公开了对应的系统、电子设备以及计算机可读存储介质。

本发明授权一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法和系统在权利要求书中公布了：1.一种基于YOLOv8模型的电厂树脂再生反洗分层识别方法，其特征在于，包括： S1，实时获取树脂再生阳塔窥视窗内的阴阳失效树脂图像数据以及反洗过程中的树脂状态图像数据； S2，建立YOLOv8模型，其中所述YOLOv8模型包括ECA注意力机制模块，同时以EIoU作为损失函数； S3，将所述阴阳失效树脂图像数据和所述树脂状态图像数据输入所述YOLOv8模型中，基于所述YOLOv8模型的输出作为对电厂树脂再生进行反洗分层识别； 所述S1中的所述树脂状态图像数据基于高清摄像头获取； 所述S2包括： S21，确定用于建立YOLOv8模型所需的训练集、验证集和测试集； S22，建立YOLOv8模型的初级架构，所述YOLOv8模型的初级架构包括ECA注意力机制模块； S23，对所述YOLOv8模型的初级架构进行模型训练； 所述S21包括： 1对多张历史树脂状态图像数据进行预处理； 2基于opencv+值哈希算法，以光照强度和或分层位置作为判别依据，以筛选并剔除相似度高的图像数据后获得M张可用有效分层图片； 3随机抽取N张无效分层图片后，将所述M张可用有效分层图片和所述N张无效分层图片合并形成第一数据集； 4对所述第一数据集中的每张图片均进行裁剪和或缩放，形成大小和分辨率不同的多张图片，所述大小和分辨率不同的多张图片形成第二数据集； 5将所述第二数据集中的多张图片按照一定比例分成用于建立YOLOv8模型所需的训练集、验证集和测试集并保持目录结构的一致性，包括采用imagestrain或labelsval的目标结构； 6将所述训练集的图片进行标注分层； 所述预处理包括对所述多张历史树脂状态图像数据进行初步筛选，以去除模糊和质量差的图像数据；基于X-AnyLabeling或LabeImg工具将训练集的图片进行标注分层和目标边界框，生成YOLO格式的.txt文件，所述.txt文件的每行包含类别ID、归一化中心坐标及宽高； 所述S23包括： 1基于YOLOv的官方训练源码、硬件配置和数据集特点，修改并配置用于所述模型训练的默认参数，所述默认参数包括训练集中的图片大小、模型训练的周期、每个批次的图片数量、指定数据集路径、类别名称及数量； 2集成EIoU损失函数并进行超参数设置；其中： 所述集成EIoU损失函数包括：基于修改模型代码中的bbox_iou计算逻辑，显式分解宽高差异项并归一化处理替换YOLOv8默认的边界框损失函数为EIoU；所述进行超参数设置包括：将初始学习率设为0.01，动量设为0.937，优化器使用SGD或Adam18；设置EIoU与分类交叉熵的权重比例，平衡回归与分类任务； 所述EIoU损失函数的表达式如下式1所示： 1 式1中：wc和hc表示覆盖两个框的最小封闭框的宽度和高度，所述EIoU损失函数为综合衡量预测框与真实框的重叠度、位置偏移及形状差异的回归损失函数；所述EIoU损失函数分为三个部分，分别为：IoU损失LIoU，距离损失Ldis和方向损失Lasp；其中LIoU为交并比损失项，计算为1-IoU，用于反映预测框与真实框的重叠程度，值越小表示两框重叠区域越大；IoU表示交并比，即预测框与真实框的交集面积除以并集面积，用于衡量两个框的空间重合度，范围[0,1]；Ldis表示中心点距离损失项，ρ2b,bgt表示预测框中心点b与真实框中心点bgt的欧氏距离平方，用于惩罚预测框中心点与真实框的偏移量，分母wc2+hc2为最小包围框宽高平方和，用于归一化；wc和hc表示最小包围框的宽度和高度，即同时包含预测框和真实框的最小矩形框的宽高，用于归一化中心点距离和宽高差异，消除尺度敏感性；Lasp表示宽高差异损失项，包含宽度差异和高度差异用于显式优化预测框与真实框的宽高差异，解决CIoU中相对比例的非线性问题；w和h表示预测框的宽度和高度，用于表示模型预测生成的边界框尺寸；wgt和h9t表示真实框的宽度和高度，用于标注数据中目标的实际尺寸。

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北京华科仪科技股份有限公司，其通讯地址为：100163 北京市大兴区西红门镇金业大街10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。