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！

龙图腾网获悉南京理工大学申请的专利基于改进YOLOv5的车顶关键部件定位方法及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：CN117011221B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310394439.6，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv5的车顶关键部件定位方法及系统是由朱俊霖;吕晨;漆琛;吴泽宇;李洪;唐磊;王学慧;邢成雷;邢宗义设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本基于改进YOLOv5的车顶关键部件定位方法及系统在说明书摘要公布了：本发明公开了一种基于改进YOLOv5的车顶关键部件定位方法及系统，该方法在原YOLOv5算法技术上，使用Ghost卷积替换主干网络中原有的卷积层，使模型更加轻量化；引入SE注意力机制，提升对重要特征的关注度；采用CIOU_Loss作为损失函数，使预测框更加符合真实框。该系统包括数据集构建模块、图像预处理模块、模型轻量化及特征提取优化模块、特征融合模块、网络结构模型构建模块、模型训练模块和图像检测模块。本发明具有检测精度高、检测速度快，对于车顶图像质量依赖低的优点。

本发明授权基于改进YOLOv5的车顶关键部件定位方法及系统在权利要求书中公布了：1.一种基于改进YOLOv5的车顶关键部件定位方法，其特征在于，包括以下步骤： 步骤1、采集列车车顶图像，对图像中包括受电弓滑板、空调外机、空调固定螺帽、空调螺栓、天线、避雷器和瓷瓶的车顶关键部件进行标注，对采集的车顶图像进行数据增强，构建数据集； 步骤2、采用YOLOv5算法的Head部分，对步骤1采集到的未标注原始车顶图像进行预处理，包括Mosaic数据增强、自适应锚框计算和自适应图片缩放； 步骤3、优化YOLOv5算法的Backbone主干网络部分，采用GhostBottleneck模块替换Backbone中原本的CSP1_X模块，使模型轻量化；添加SE注意力机制到Backbone末端； 步骤4、采用YOLOv5算法的Neck部分，进行特征融合； 步骤5、在YOLOv5算法的预测部分，采用CIoU_Loss替代GIOU_Loss作为定位损失函数，得到改进YOLOv5的网络结构模型； 步骤6、采用步骤1标注的数据集，通过步骤2~步骤5构成的网络结构模型训练数据并验证性能； 步骤7、使用步骤6模型训练后得到的best.pt权重文件对待测车顶图像进行检测，输出车顶关键部件定位检测结果； 所述步骤3具体包括： 步骤3.1、引入轻量级网络GhostNet替换主干网络中CSP1结构的残差模块； 步骤3.1.1、GhostNet首先使用标准卷积获得原始的输出，表示为： ； 其中给定输入数据，*表示卷积运算，f为标准卷积层的卷积滤波器，b是偏置项，Y是输出，c是输入通道的数量，h和w分别是输入数据的高度和宽度； 步骤3.1.2、使用一次卷积生成m个固有特征图： ； 其中是输出，表示输入数据，表示一次卷积层的卷积滤波器，h1和w1分别是输入数据的高度和宽度，m为固有特征图个数； 步骤3.1.3、再对输出使用一系列线性变换操作转化成若干组5*5大小的卷积核，表示为： ； 其中表示线性运算，表示步骤3.1.2输出的第i个固有特征图，表示卷积核，i表示固有特征图序号，j表示通道序号； 步骤3.1.4、再进行两次融合操作，不改变输出的特征图数量； 步骤3.2、在YOLOv5算法基础上融合SE注意力机制； 步骤3.2.1、对输入进行一个卷积操作生成特征图，接着进行压缩操作，将特征图进行全局平均池化，将每个通道的H*W个像素值u压缩为一个实数，生成一个1*1*C的向量，公式如下： ； 其中H和W分别是输入数据的高度和宽度，i和j是尺寸变量，c为通道数，为像素值，是一个1*1*C的向量，为压缩公式； 步骤3.2.2、通过两个全连接层对向量进行处理； 步骤3.2.3、两层全连接层之间存在一个超参数r，向量经过第一个全连接层维度变成1*1*Cr，非线性激活；经过第二个全连接层维度变成1*1*C，激活函数为Sigmoid，最后将s1*1*C与特征图C*H*W对应通道相乘，输出结果。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。