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基于PKD-YOLO的一种轻量级经济林果生长状态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：CN118941957B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202410998858.5，技术领域涉及：G06V20/10；该发明授权基于PKD-YOLO的一种轻量级经济林果生长状态识别方法是由李海芳;殷梦宇;高亚鹏;杨学良;王千山设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本基于PKD-YOLO的一种轻量级经济林果生长状态识别方法在说明书摘要公布了：本发明属于深度学习技术领域，公开了一种基于PKD‑YOLO的轻量级经济林果生长状态识别方法，包括下列步骤：构建经济林果生长状态图片数据集；使用LabelImg标注工具对数据集进行标注；设计通道剪枝策略得到P‑YOLO模型，具体操作包括对YOLOv8s模型进行稀疏化训练、初步剪枝、迭代剪枝、二次迭代剪枝、模型微调；对剪枝后的模型进行知识蒸馏，YOLOv8s模型作为教师模型，P‑YOLO模型作为学生模型，知识蒸馏训练后得到PKD‑YOLO模型，解决了剪枝导致的精度下降问题。本发明的PKD‑YOLO模型在不影响原模型精度的情况下，参数量减少了81.33％，模型大小减少了80.75％，推理时间降低了52.17％，FPS增加了1.38倍，实现了模型的轻量化，对指导复杂模型的轻量化具有重要意义。

本发明授权基于PKD-YOLO的一种轻量级经济林果生长状态识别方法在权利要求书中公布了：1.基于PKD-YOLO的一种轻量级经济林果生长状态识别方法，其特征在于，包括下列步骤：S1、针对苹果、梨、樱桃三种经济林果，制定经济林果生长状态观测标准；S2、采集经济林果生长状态图像，并对采集的图像进行预处理，构建经济林果生长状态数据集；S3、设计通道剪枝策略对YOLOv8s模型进行改进得到初步轻量化模型P-YOLO；所述S3中初步轻量化模型P-YOLO的具体构建方法为：包括三个步骤：稀疏化训练、通道剪枝、模型微调；首先用经济林果数据集对已经在COCO数据集上预训练过的YOLOv8s模型进行稀疏化训练，稀疏化训练通过给原先的损失函数添加一个L1正则化惩罚项实现，公式如下所示： 在上述公式中，第一项是网络的训练损失，x,y是训练输入和目标，W是网络中可训练参数，第二项是BN层γ系数的L1正则约束项，即gs＝|s|，λ是惩罚因子，用于平衡第一项和第二项；通道剪枝策略为：惩罚因子选用0.01、0.005和0.003进行稀疏化训练，比较稀疏后的模型性能；在确保BN层大部分β参数足够小的情况下，根据mAP值选择最佳稀疏率，对稀疏化训练后的模型进行初步通道剪枝，修剪比例选择70％、80％、90％，每个通道的重要性分数由BN层中的γ系数表示，对重要性分数排序后，根据修剪比例得到重要性分数的全局阈值，不重要的通道将被剪掉，但某些层所有通道的重要性分数都小于全局阈值，则该层的通道会被全部剪掉，进而导致层与层之间断开联系，因此引入一个局部阈值，保证每层保留的通道数不小于8，具体实施为局部阈值的初值等于全局阈值，但当该层保留的通道数小于8时，则局部阈值更新为当前局部阈值的0.9倍，直至在局部阈值的条件下，该层保留的通道数大于等于8，每次剪枝后进行100个epoch的微调；初步通道剪枝后综合mAP值和减少的参数量及模型大小选择最佳模型进行迭代剪枝，每轮剪枝保留的比例为上一轮的0.1倍，每轮剪枝后进行200个epoch的微调，当参数量不再下降时，停止迭代；迭代剪枝结束后，选择最佳模型进行二次迭代剪枝，为每层至少保留两个通道，具体实施为当该层保留的通道数小于2时，则局部阈值更新为当前局部阈值的0.9倍，直至在局部阈值的条件下，该层保留的通道数大于等于2，同样每轮剪枝保留的比例为上一轮的0.1倍，每次剪枝后进行300个epoch的微调，当参数量下降较少，且mAP值下降过多时停止迭代，得到P-YOLO模型；S4、对P-YOLO模型进行改进得到最终的轻量化模型PKD-YOLO；S5、比较PKD-YOLO模型与其他目标检测模型的性能。

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”。