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！

龙图腾网获悉电子科技大学长三角研究院(湖州);南京视道信息技术有限公司申请的专利一种基于改进YOLOv5s的轨道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：CN119338757B 。

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：202411342842.5，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv5s的轨道缺陷检测方法是由孙俊男;姜佳梅;方黎勇;付昱文;谌小彤;王思维设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5s的轨道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改进YOLOv5s的轨道缺陷检测方法，包括以下步骤：S1：采集轨道图像；使用图像采集设备对轨道进行采集；S2：对采集的轨道图像进行去噪处理；S3：轨面区域提取；从清洗后的图像数据中提取轨道的轨面区域，以便后续的缺陷检测；S4：数据增强；对提取的轨面区域数据进行增强处理；S5：制作轨道缺陷数据集；S6：缺陷检测模型训练。能够适用于不同的缺陷样本的形状提取缺陷特征信息，提升网络缺陷特征的提取能力，提高检测效率。

本发明授权一种基于改进YOLOv5s的轨道缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv5s的轨道缺陷检测方法，其特征在于：包括以下步骤： S1：采集轨道图像；使用图像采集设备1对轨道进行采集； S2：对采集的轨道图像进行清洗； S3：轨面区域提取；从清洗后的图像数据中提取轨道的轨面区域，以便后续的缺陷检测； S4：数据增强；对提取的轨面区域数据进行增强处理； S5：制作轨道缺陷数据集； S6：缺陷检测模型训练； 步骤S6包括以下步骤： S6-1：输入数据，并通过卷积层进行卷积操作； S6-2：将卷积后得到的特征图在通道维度上分割为原始特征图和需要被更深层次提取的特征图； S6-3：将需要被更深层次提取的特征图通过Bottleneck模块进行计算； S6-3-1：通过卷积层调整通道数，进行降维； S6-3-2：通过卷积层，提取图像中的空间特征信息； S6-3-3：将Bottleneck模块处理的特征图与步骤S6-2中的原始特征图通过 Concatenate进行特征图融合； S6-4：通过卷积操作对通道数量进行调整； S6-5：通过可变形卷积模块进行计算； 通过如下公式进行计算： 上式中，pn是网格中第n个采样点，Δmn为权重系数，若该采样点的区域不感兴趣则权重学习为0，若感兴趣则为1；Δpn为第n个采样点的偏移量；p0为卷积的中心采样点；R为采样点集，R＝{-1,-1,-1,0,1,0,0,0,1,01,-1,1,0,1,1}；w·为卷积操作，x·表示该点的像素值； S6-6：通过渐近特征金字塔网络进行特征融合； S6-6-1：输入特征，从Backbone中提取不同层次的多尺度特征图； S6-6-2：从高至低依次对每个层次的特征图通过上采样模块进行处理，将较低分辨率的特征图恢复到更高的分辨率，并与上一层层次的特征进行融合；每次当前层的特征与上层的特征进行融合时，还通过卷积操作对特征进行重构； S6-6-3：计算各层次的多尺度特征图的重要性系数，使得网络能够重点关注对目标检测更为重要的特征区域； S6-6-4：从低至高依次对每个层次的特征图通过下采样模块进行处理； S6-6-5：最终特征输出； S6-7：通过自适应特征融合模块为不同层级的特征分配不同的空间权重；根据特定位置的特征重要性为不同层级的特征分配权重，自动选择对当前任务最有效的特征； S6-7-1：特征融合，经过卷积生成融合后的特征图； S6-7-2：然后通过注意力机制计算出不同特征图在每个空间位置上的权重； S6-8：综合考虑轨道缺陷的形状以及评估模型的性能，构建损失函数如下： 其中，CIoULOSS表示损失的完全交并比，d表示真实框中心点和预测框中心点之间的距离，c表示希望边界框的对角线长度，ARP表示长宽比误差，a表示边界框的宽高比，v是一个衡量尺度的参数；IoU表示交并比，IoULOSS表示损失的交并比，CIoU表示完全交并比； S6-9：将可变形卷积模块处理后的特征图被送入下一个层次网络，继续进行目标检测的处理。

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电子科技大学长三角研究院(湖州);南京视道信息技术有限公司，其通讯地址为：313099 浙江省湖州市西塞山路819号南太湖科技创新综合体B2幢8层；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。