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！

龙图腾网获悉中国科学院宁波材料技术与工程研究所申请的专利复杂环境下的轻量级高精度动力电池极柱检测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：CN120032226B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510120865.X，技术领域涉及：G06V10/82；该发明授权复杂环境下的轻量级高精度动力电池极柱检测方法是由方灶军;田红玲;郑天江设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本复杂环境下的轻量级高精度动力电池极柱检测方法在说明书摘要公布了：本发明公开了一种复杂环境下的轻量级高精度动力电池极柱检测方法。所述模型的训练方法包括：提供训练集；提供初始化模型，初始化模型基于基础YOLOX目标检测模型调整获得，包括将基础YOLOX目标检测模型中的CSP模块替换为高效CSP模块、引入轻量级模型颈部网络，以及优化基础YOLOX目标检测模型中的空间金字塔池化模块；采用训练集对初始化模型进行迭代训练，获得轻量级高精度动力电池极柱检测模型。本发明结合轻量化方法在维持高精度的同时优化模型的参数和计算量，利用优化的YOLOX模型实现动力电池极柱检测，可有效避免传统检测方法难以应对的复杂焊接环境的干扰，实现轻量且高精度的具有环境普适性的极柱检测。

本发明授权复杂环境下的轻量级高精度动力电池极柱检测方法在权利要求书中公布了：1.一种复杂环境下的轻量级高精度动力电池极柱检测模型的训练方法，其特征在于，包括： 提供训练集，所述训练集包括训练图像和训练标记，所述训练图像包括多种不同环境下的动力电池照片，所述训练标记对所述动力电池的极柱位置进行标注； 提供初始化模型，所述初始化模型基于基础YOLOX目标检测模型调整获得，所述调整包括将所述基础YOLOX目标检测模型中的CSP模块替换为高效CSP模块、引入轻量级模型颈部网络，以及优化所述基础YOLOX目标检测模型中的空间金字塔池化模块； 采用所述训练集对所述初始化模型进行迭代训练，获得所述轻量级高精度动力电池极柱检测模型； 其中，所述高效CSP模块将所述CSP模块中的Bottleneck子模块替换为并行连接的DenseBottleneck子模块，所述DenseBottleneck子模块包括多个融合卷积层，所述融合卷积层包括标准卷积和深度可分离卷积，融合卷积层的输入特征经过所述标准卷积后生成第一卷积输出，所述第一卷积输出经过所述深度可分离卷积后生成第二卷积输出，所述第一卷积输出和第二卷积输出融合后形成融合输出作为所述融合卷积层的输出特征，相邻的上一融合卷积层的输入特征和输出特征拼接后形成拼接特征，作为相邻的下一融合卷积层的输入；所述轻量级模型颈部网络将原始颈部网络中的部分标准卷积层替换为所述融合卷积层；所述空间金字塔池化模块增加了平均池化处理，所述平均池化处理的输出特征和原有的最大池化处理的输出特征融合后代替所述最大池化处理的输出特征。

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中国科学院宁波材料技术与工程研究所，其通讯地址为：315201 浙江省宁波市镇海区庄市大道519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。