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！

龙图腾网恭喜淮阴工学院申请的专利一种基于分层加权特征融合网络的玻璃瓶口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：CN118710580B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202410674679.6，技术领域涉及：G06T7/00；该发明授权一种基于分层加权特征融合网络的玻璃瓶口检测方法是由孙琦;陈剑洪;王文豪;陈礼青;王建浩;孙梦嘉;杨春莲;赵世伟;唐宇诚;王艳君设计研发完成，并于2024-05-28向国家知识产权局提交的专利申请。

本一种基于分层加权特征融合网络的玻璃瓶口检测方法在说明书摘要公布了：本发明涉及目标检测技术领域，具体公开了一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，获取不同缺陷的玻璃瓶口图像数据；搭建原始的YOLOv7网络模型，对YOLOv7的网络结构进行改进，在主干特征提取网络中引入CA注意力机制，构建高效层聚合网络S‑ELAN模块替换原有的ELAN；将Neck部分的特征融合网络替换为分层加权的特征融合网络HWFF，对主干网络获得的浅层特征图进行特征融合，选用EIoU作为损失函数进行模型优化；对改进的YOLOv7模型进行训练，利用训练后的模型进行缺陷检测。与现有技术相比，本发明能够提高深度学习技术对玻璃瓶口缺陷检测的准确率，加快检测速度，实验验证相较于原算法提高了4.6个百分点，并且在小缺陷识别上，相较于原算法更准确。

本发明授权一种基于分层加权特征融合网络的玻璃瓶口检测方法在权利要求书中公布了：1.一种基于分层加权特征融合网络的玻璃瓶缺陷检测方法，其特征在于，包括如下步骤：步骤1：获取不同缺陷的玻璃瓶口图像数据，并对数据进行标注，对获取的玻璃瓶口缺陷图像数据进行预处理，并进行图像数据划分，从而得到训练集和测试集；步骤2：搭建原始的YOLOv7网络模型，对YOLOv7的网络结构进行改进，在主干特征提取网络中引入CA注意力机制，构建高效层聚合网络S-ELAN模块替换原有的ELAN；将Neck部分的特征融合网络替换为分层加权的特征融合网络HWFF，对主干网络获得的浅层特征图进行特征融合，选用EIoU作为损失函数进行模型优化；在主干特征提取网络中的三个CBS模块之后，与第一个S-ELAN模块之后分别插入CA注意力机制；所述分层加权特征融合网络HWFF具体结构为：浅层特征输出降采样后与P4融合生成Q4，同理，Q4与P5融合生成Q5，并且继续下采样与P6和P7融合分别生成Q6和Q7，融合后生成的特征信息Q5、Q6和Q7与P5、P6和P7对应融合，再与相邻上采样的输出融合生成R5、R6和R7，HWFF网络的数学模型表达式如公式所示，输入P5到输出R5时： 其中，ω是自主学习权重，ε是极小的数字，Resize是下采样或者上采样操作；高效层聚合网络S-ELAN模块替换原有的ELAN，具体如下：在ELAN的基础上引入ResNet的残差链接与SENet的SE模块，将输入直接加到输出上，增加短路连接，并去掉SE模块中间的FC层；步骤3：将训练集输入到改进的YOLOv7模型进行训练，从而得到玻璃瓶口缺陷检测模型；步骤4：将验证集输入到步骤1中训练好的玻璃瓶口缺陷检测模型中，根据测试结果对模型进行评价，最终利用训练好的玻璃瓶口缺陷检测模型进行缺陷检测。

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淮阴工学院，其通讯地址为：223005 江苏省淮安市经济技术开发区枚乘东路1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”。