“yolov5 ”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3876691个，建议您升级VIP下载更多相关专利

[发明专利]一种改进YOLOv5的布匹瑕疵检测方法-CN202110841573.7在审
发明人：张强;王琦;窦冬洋;齐鹏;王诗宇;王晓杰;刘信君;韩玉虎 -专利权人：沈阳中科数控技术股份有限公司
申请日： 2021-07-26 - 公布日： 2023-02-07 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于改进YOLOv5的布匹瑕疵检测方法，包括：输入布匹的RGB图像；训练目标检测网络SE‑YOLOv5；检测瑕疵点；输出瑕疵点的位置。本发明方法为基于SE模块的YOLOv5网络(SE Module‑Based YOLOv5，SE‑YOLOv5)，SE‑YOLOv5在YOLOv5网络中的backbone中加入了SE模块，并且把YOLOv5CSP实验结果表明，SE‑YOLOv5相比YOLOv5，有着更好的泛化能力，能够更好地应用到实际的布匹瑕疵检测。
一种改进 yolov5 布匹瑕疵检测方法

[发明专利]基于改进的YOLOv5模型的火焰检测方法-CN202210321847.4在审
发明人：曹彦彦;陈露萌;黄民;董伟杰;王义龙;徐杨梅 -专利权人：北京信息科技大学
申请日： 2022-03-29 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进的YOLOv5模型的火焰检测方法，包括：建立火焰数据集；以YOLOv5模型为基础模型，嵌入注意力机制单元、增加新增检测层、引入边界损失函数得到第一YOLOv5模型；对第一YOLOv5模型进行预训练得到第二YOLOv5模型；对第二YOLOv5模型进行优化，得到第三YOLOv5模型；将测试图像输入第三YOLOv5模型得到火焰检测结果。通过嵌入注意力机制单元，能够同时考虑通道间关系和空间信息，使得第一YOLOv5模型能够更准确地定位并识别目标区域；增加新增检测层用于检测小尺寸目标；引入边界损失函数对小数据集和噪声的鲁棒性更强，并且更适合轻量化模型
基于改进 yolov5 模型火焰检测方法

[发明专利]基于YOLOv5目标检测模型的安全帽佩戴检测方法-CN202111394627.6在审
发明人：赵志强;王耀中;黑新宏;何文娟;赵钦 -专利权人：西安理工大学
申请日： 2021-11-23 - 公布日： 2022-03-11 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了基于YOLOv5目标检测模型的安全帽佩戴检测方法，在初始YOLOv5目标检测模型的基础上利用YOLOv5的特征提取部分提取更大尺寸的特征图，在特征融合部分进行特征融合。采用中心损失作为正则化项对YOLOv5目标检测模型中的置信度损失和分类损失进行约束，从而使得改进后的YOLOv5目标检测模型能更为准确的检测出小目标的类别其中更大尺寸的特征图具有较小的感受野，因此更有利于YOLOv5目标检测模型检测出小目标。本发明所提出的改进后YOLOv5模型在施工场景下安全帽的检测任务中有着优异的表现，一些YOLOv5检测不到的小目标被改进后YOLOv5所检测到。
基于 yolov5 目标检测模型安全帽佩戴方法

[发明专利]一种用于缺陷检测的yolov5优化方法及优化系统-CN202310267078.9在审
发明人：朱光旭;方超群;陈秀睿;邱柏葳;李苏畅;田博轩;田楷;陈立名;胡江洪;曹彬 -专利权人：菲特（天津）检测技术有限公司
申请日： 2023-03-20 - 公布日： 2023-04-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于缺陷检测的yolov5优化方法及优化系统，属于缺陷检测技术领域，包括：S1、数据预处理：首先获取图片集，然后对图片集中的图像进行标注，最后将图片集划分出训练集和测试集；S2、yolov5优化：具体为：S201、利用yolov5对训练集和测试集进行训练得到IOU值；S202、优化yolov5，得到Abs‑Loss‑yolov5；S203、分别使用yolov5和Abs‑Loss‑yolov5本发明通过对于传统yolov5损失函数进行优化，使yolov5对于有把握的检出框能够正确地得到高置信度检出。
一种用于缺陷检测 yolov5 优化方法系统

[发明专利]一种基于改进YOLOv5的绝缘子故障检测方法-CN202211737430.2在审
发明人：陈爱华;张传琦;彭阳阳;胥宗朋;郑金洪 -专利权人：福州大学
申请日： 2022-12-31 - 公布日： 2023-05-23 - 主分类号： G01R31/12 文献下载
摘要：本发明涉及一种基于改进YOLOv5的绝缘子故障检测方法，包括以下步骤：步骤1：对绝缘子数据集进行预处理，并按设定比例划分为训练集、验证集和测试集；步骤2：结合MobileOne、BoTNet和YOLOv5构建MB‑YOLOv5模型；步骤3：将训练集、验证集输入MB‑YOLOv5模型，进行模型训练；步骤4：对训练好的MB‑YOLOv5模型进行结构重参数化；步骤5：将测试集输入结构重参数化后的MB‑YOLOv5模型，测试模型性能；步骤6：利用最终得到的MB‑YOLOv5模型进行绝缘子故障检测。
一种基于改进 yolov5 绝缘子故障检测方法

[发明专利]一种基于卷积神经网络的飞机结构裂纹检测方法-CN202310329782.2在审
发明人：王叶子;吕帅帅;杨宇;李嘉欣;杨海龙 -专利权人：中国飞机强度研究所
申请日： 2023-03-30 - 公布日： 2023-06-09 - 主分类号： G06T7/00 文献下载
摘要：步骤一、构建裂纹图像数据集；步骤二、通过所述裂纹图像数据集对YOLOv5网络进行训练，得到YOLOv5模型；步骤三、构建差异图数据集；步骤四、获取改进型YOLOv5网络，通过所述差异图数据集对所述改进型YOLOv5网络进行训练，得到改进型YOLOv5模型；步骤五、根据所述YOLOv5模型以及所述改进型YOLOv5模型，对待检测图像进行整体测试。
一种基于卷积神经网络飞机结构裂纹检测方法

[发明专利]基于改进yolov5的红绿灯检测方法、系统、设备及介质-CN202310451669.1在审
发明人：李康顺;李婷婷;李丹丹;郑俊锋;张昱 -专利权人：东莞城市学院
申请日： 2023-04-25 - 公布日： 2023-08-22 - 主分类号： G06V20/58 文献下载
摘要：本发明公开了一种基于改进yolov5的红绿灯检测方法、系统、设备及介质，方法包括：获取红绿灯图片数据并进行预处理，构建红绿灯图片检测数据集；构建改进的yolov5模型训练所述红绿灯图片检测数据集，得到训练好的改进的yolov5模型；所述改进的yolov5模型是用Inception‑ResNet v2网络替换掉原始yolov5的骨干网络；所述改进后yolov5模型骨干网络包括Stem模块、Inception‑resnet‑A模块、Reduction‑A模块、Inception‑resnet‑B模块、Reduction‑B模块以及进入Inception‑resnet‑C模块；将待检测的红绿灯图片输入至所述训练好的改进的yolov5本发明基于改进的yolov5模型对红绿灯图像具有识别错误率更低、更加高效的优点。
基于改进 yolov5 红绿灯检测方法系统设备介质

[发明专利]基于改进YOLOv5模型的输电线路销钉状态识别方法-CN202310716333.3在审
发明人：俸波;夏小飞;徐文平;张炜;黎大健;卢胜标;陈绍南 -专利权人：广西电网有限责任公司电力科学研究院
申请日： 2023-06-16 - 公布日： 2023-09-19 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于改进YOLOv5模型的输电线路销钉状态识别方法，包括以下步骤：S1、获取销钉图像，所述销钉图像包括训练图像和测试图像；使用数据增强手段对所述训练图像进行数据增强，得到增强训练图像；S2、构建YOLOv5网络，对所述YOLOv5网络进行结构改进，得到改进YOLOv5模型；S3、基于所述增强训练图像，训练所述改进YOLOv5模型，得到训练好的改进YOLOv5模型；S4、将所述测试图像作为训练好的改进YOLOv5模型的输入，得到销钉状态的识别结果。本发明通过对YOLOv5模型进行优化，提高了模型的精度和检测速度，通过该方法，可以快速准确地检测出输电线路中的销钉故障。
基于改进 yolov5 模型输电线路销钉状态识别方法

[发明专利]基于YOLOv5算法的航拍绝缘子图像缺陷检测方法-CN202310728096.2有效
发明人：吕国华;张曾彬;高翔;王西艳;宋文廓;司马超群 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-06-20 - 公布日： 2023-09-05 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于YOLOv5算法的航拍绝缘子图像缺陷检测方法，涉及目标检测技术领域。本发明包括以下步骤：S1：划分训练集、验证集和测试集；S2：构建YOLOv5神经网络；S3：构建损失函数；S4：利用训练集对YOLOv5神经网络训练一个训练段，计算损失，优化梯度，反向传播，得YOLOv5神经网络初步训练模型；S5：利用验证集对YOLOv5神经网络初步训练模型进行一次前向传播，计算损失，更新超参数，得YOLOv5神经网络初步验证模型；步骤S6：重复步骤S4和S5，得YOLOv5神经网络模型本发明构建的YOLOv5神经网络模型泛化能力强，本发明对绝缘子图像缺陷检测时拥有较佳的精度和帧率。
基于 yolov5 算法航拍绝缘子图像缺陷检测方法

[发明专利]基于改进YOLOv5的输电线路鸟类检测方法及系统-CN202210996957.0在审
发明人：郑永康;樊犁;刘勇;王超;郭利瑞;李旭旭;谢牧阳;王晓涛;李红军;抗州甲;陈勇智;李振华;刘权辉;朱祚恒;陈亮;杨凯;陈磊;定斗泽仁;严波州 -专利权人：国网四川省电力公司电力科学研究院;国网四川省电力公司阿坝供电公司
申请日： 2022-08-19 - 公布日： 2022-10-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于改进YOLOv5的输电线路鸟类检测方法及系统，获取目标图像集，并对目标图像集进行标注，获得图像数据集；构建YOLOv5模型，并将YOLOv5模型中的一般卷积层替换为Ghost轻量型卷积层，在每个block后面添加CBAM注意力机制模块，获得改进的YOLOv5模型；通过图像数据集对改进的YOLOv5模型进行训练，获得最优改进的YOLOv5模型；获取待检测输电线路上带有鸟类的图像，将图像输入到最优改进的YOLOv5模型中，获得鸟的具体种类；本发明的有益效果为实现对被部分物品遮挡的鸟类进行识别，增加了对鸟种类识别的准确性，提高了对鸟识别的效率。
基于改进 yolov5 输电线路鸟类检测方法系统

[发明专利]基于改进型YOLOv5的小目标检测方法及装置-CN202210780605.1在审
发明人：马显龙;郭晨鋆;周帅;曹占国 -专利权人：云南电网有限责任公司电力科学研究院
申请日： 2022-07-07 - 公布日： 2022-10-21 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种基于改进型YOLOv5的小目标检测方法及装置，所述方法包括对YOLOv5网络模型进行改进，得到改进型YOLOv5网络模型；获取小目标图像数据集，并将图像数据集划分为训练样本集和测试样本集；将训练样本集输入至改进型YOLOv5网络模型中进行训练，得到预训练权重，根据预训练权重对改进型YOLOv5网络模型进行调整；将测试样本集输入调整后的改进型YOLOv5网络模型中，得到检测结果。本发明通过对现有的YOLOv5网络模型进行改进，提高了检测工作的准确性、即时性，减少了人力资源损耗，有效提高监测效率。
基于改进型 yolov5 目标检测方法装置

[发明专利]基于改进YOLOv5的PCB小目标缺陷检测方法和系统-CN202211034401.X在审
发明人：伍济钢;任强;梁谋;曹鸿;王刚;曾嘉 -专利权人：湖南科技大学
申请日： 2022-08-26 - 公布日： 2022-11-18 - 主分类号： G06T7/00 文献下载
摘要：本发明属于机器视觉检测技术领域，公开了一种基于改进YOLOv5的基于改进YOLOv5的PCB小目标缺陷检测方法和系统，对PCB小目标缺陷数据集进行聚类分析并得到聚类中心；将PCB小目标缺陷数据集输入二分K‑means聚类算法，将聚类中心值输入至YOLOv5网络；分别对YOLOv5特征提取网络和YOLOv5特征融合网络进行改进，引用BiFPN路径聚合网络代替YOLOv5特征融合网络；采用Decoupled‑head解耦头网络作为YOLOv5特征检测网络，设置相关参数进行训练；利用权重文件在测试数据集中进行缺陷检测。
基于改进 yolov5 pcb 目标缺陷检测方法系统

[发明专利]一种基于改进YOLOv5模型的丝饼缺陷检测方法-CN202110916131.4在审
发明人：孟祥茹;孙咏;王嵩;于碧辉;王美吉 -专利权人：中国科学院沈阳计算技术研究所有限公司
申请日： 2021-08-11 - 公布日： 2023-02-17 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于YOLOv5神经网络的丝饼缺陷检测方法。包括：获取丝饼图像缺陷数据集，并对丝饼图像缺陷数据集进行数据处理得到样本集；基于YOLOv5算法构建改进型YOLOv5神经网络结构，得到改进YOLOv5算法；利用样本集对改进YOLOv5算法进行训练，将训练后最佳的权重文件加载至改进YOLOv5算法得到目标检测模型；针对获取的待分类图像，采用所述目标检测模型输出对应的丝饼缺陷定位及分类。本发明的方法相较于原YOLOv5算法具有较高的检测速度和小目标检测精度，从而有效提高生产效率，降低了丝饼缺陷检测的错误率。
一种基于改进 yolov5 模型缺陷检测方法

[发明专利]一种基于YOLOv5的前视声呐图像目标检测方法和系统-CN202210129617.8在审
发明人：张浩庭;田梅;程娟;邵帅;王彬;柳晶晶;孙明磊;裴喜龙 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-02-11 - 公布日： 2022-06-28 - 主分类号： G06V20/20 文献下载
摘要：本发明提供一种基于YOLOv5的前视声呐图像目标检测方法和系统。该方法包括：构建基于YOLOv5的前视声呐图像目标检测模型的数据集，所述数据集包括训练集、验证集和测试集；在所述基于YOLOv5的前视声呐图像目标检测模型的K均值算法中引入IoU作为距离函数，对所述基于YOLOv5的前视声呐图像目标检测模型中的学习网络进行初始锚框求解；在所述基于YOLOv5的前视声呐图像目标检测模型中，使用CoordConv算法进行卷积；对所述基于YOLOv5的前视声呐图像目标检测模型进行训练，得到检测结果；评估所述基于YOLOv5的前视声呐图像目标检测模型的网络性能。本发明结合YOLOv5中的深层特征提取和特征向量的坐标信息，对提取到的深层特征赋予相应的坐标信息，进而提升检测回归的精度。
一种基于 yolov5 声呐图像目标检测方法系统

[发明专利]一种基于CBC分类器的Attention-YOLOv5网络手势识别方法-CN202211034219.4在审
发明人：袁帅;吕佳琪;许景科;师金钢;栾方军 -专利权人：沈阳建筑大学
申请日： 2022-08-26 - 公布日： 2023-03-28 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于CBC分类器的Attention‑YOLOv5网络手势识别方法，包括：基于制作的手势图像数据集和标签，训练得到YOLOv5网络模型；在YOLOv5网络模型中添加CBMA模块，使得重要目标特征占有更大处理比重，并训练得到Attention‑YOLOv5网络模型；建立基于R‑vineCopula改进的CBC分类器，CBC分类器接于YOLOv5的输出端；获取待识别手势图像，并基于YOLOv5网络模型和改进的CBC本发明通过引入注意力机制，改善了YOLOv5目标检测网络特征差异不敏感问题。使用R‑vineCopula模型改进朴素贝叶斯分类器，CBC分类器保留属性间相关性，解决图片分类精度缺失问题。相比于之前的YOLOv5网络，本发明的精确度、平均精度和召回率都得到显著提升。
一种基于 cbc 分类 attention yolov5 网络手势识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条