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！

龙图腾网获悉合肥工业大学申请的专利基于FPGA预处理与改进YOLOv5的绝缘子缺陷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：CN116523875B 。

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：202310487759.6，技术领域涉及：G06T7/00；该发明授权基于FPGA预处理与改进YOLOv5的绝缘子缺陷检测方法是由李兵;刘立卫;王梦楠;佐磊;尹柏强设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本基于FPGA预处理与改进YOLOv5的绝缘子缺陷检测方法在说明书摘要公布了：本发明公开了一种基于FPGA预处理与改进YOLOv5的绝缘子缺陷检测方法，方法步骤如下：获得绝缘子样本训练集和测试集；构建改进YOLOv5的绝缘子缺陷检测模型；待检测的绝缘子图像预处理；对绝缘子缺陷检测模型进行训练，获取待检测绝缘子缺陷图像的检测结果，将绝缘子缺陷检测模型训练的权重输入到绝缘子缺陷检测模型中，然后将预处理的绝缘子待检测图像输入到绝缘子缺陷检测模型，获得绝缘子缺陷图像检测结果。本发明利用FPGA高速并行数据处理能力，提高图像传输通讯效益，同时将软件去噪算法移植到FPGA上实现，快速降低噪声对绝缘子故障检测的干扰。然后采用一种高效的自学习权重的特征融合网络来改进的YOLOv5模型，实现对绝缘子缺陷的准确、快速地检测。

本发明授权基于FPGA预处理与改进YOLOv5的绝缘子缺陷检测方法在权利要求书中公布了：1.一种基于FPGA预处理与改进YOLOv5的绝缘子缺陷检测方法，其特征在于，所述方法步骤如下： S1：获得绝缘子样本训练集和测试集，获取绝缘子图像，从中随机选取预定数目的绝缘子图像制作绝缘子图像作为样本，将样本分为训练集和测试集； S2：构建改进YOLOv5的绝缘子缺陷检测模型，将YOLOv5的特征融合网络PANet更换为一种自学习权重的特征融合网络BiFPN，并结合密集连接Dense和自注意力机制来构建绝缘子缺陷检测模型； 结合密集连接Dense网络改进BiFPN模块，得到Dense-BiFPN网络，Dense-BiFPN网络的每个节点给每个输入的特征附加权重，上采样将第五层输入P5 IN和第四层输入P4 IN进行带权重融合到第四层中间节点输出P4 TD； 分别将P2 out与P4 out和P5 out进行密集连接，P3 out和P5 out进行密集连接，输出表达式如下： 其中，f1x1和f3x3表示1×1和3×3卷积，U2P2 out表示特征图P2 out被下采样2倍，结合BiFPN的不同比例尺度的特征层，输出结果第四层N4 out和第五层N5 out的表达式如下： 其中，N2 dense和N3 dense分别为跨节点第二层的密集连接的输出和跨节点第三层的密集连接的输出，P4 out和P5 out分别为第四层的BiFPN的输出和第五层的BiFPN的输出； 添加C3TR模型来改进YOLOv5主干网络CSP结构，通过C3TR的多头自注意力机制和多尺度特征融合对获取的特征进行聚合和优化； S3：待检测的绝缘子图像预处理，对待检测的绝缘子图像先使用FPGA进行降噪算法预处理； S4：对绝缘子缺陷检测模型进行训练，将绝缘子训练样本输入到绝缘子缺陷检测模型中进行训练； S5：获取待检测绝缘子缺陷图像的检测结果，将绝缘子缺陷检测模型训练的权重输入到绝缘子缺陷检测模型中，然后将预处理的绝缘子待检测图像输入到绝缘子缺陷检测模型，获得绝缘子缺陷图像检测结果。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。