買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉安徽理工大學申請的專利一種基于改進YOLOv4的絕緣子缺陷目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116385335B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211372824.2，技術領域涉及：G06T7/00；該發明授權一種基于改進YOLOv4的絕緣子缺陷目標檢測方法是由徐善永;鄧繼承;黃友銳;韓濤;凌六一;唐超禮;甘福寶設計研發完成，并于2022-10-31向國家知識產權局提交的專利申請。

本一種基于改進YOLOv4的絕緣子缺陷目標檢測方法在說明書摘要公布了：本發明公開了一種基于改進YOLOv4的絕緣子缺陷目標檢測方法，首先以輕量級模塊Mobilenet?V1對YOLOv4的主干特征提取網絡Backbone進行替換，其次分別在初步特征提取和加強特征提取環節引入scSE注意力機制，SPP后面的卷積層修改為五層，增強網絡的特征提取能力。最后，使用深度可分離卷積替換加強特征提取網絡的3×3卷積，降低整體網絡的參數量。本發明的權重為57.9MB，相比于傳統的YOLOv4模型獲得的權重值減少了62.6%。絕緣子缺陷檢測的平均精度達到98.81%，精度提高了0.26%。檢測速度達到了190幀秒，提升了37幀秒。

本發明授權一種基于改進YOLOv4的絕緣子缺陷目標檢測方法在權利要求書中公布了：1.一種基于改進YOLOv4的絕緣子缺陷目標檢測方法，其特征在于，包括以下步驟： 步驟S1、獲取絕緣子缺陷圖片作為數據集； 步驟S2、對步驟S1獲取的數據集進行預處理后，將所述數據集劃分為訓練集和驗證集； 步驟S3、對YOLOv4網絡模型進行改進，得到改進的YOLOv4網絡模型； 改進的YOLOv4網絡模型包括初步特征提取網絡、特征金字塔網絡、分類回歸層，所述初步特征提取網絡的輸出連接所述特征金字塔網絡的輸入，所述特征金字塔網絡的輸出連接所述分類回歸層的輸入，其中： 所述初步特征提取網絡采用MobilenetV1網絡，MobilenetV1網絡采用深度可分離卷積，MobilenetV1網絡具有三個維度的輸出，且在MobilenetV1網絡的三個輸出維度后添加scSE注意力機制，通過MobilenetV1網絡對圖片進行初步特征的提取； 所述特征金字塔網絡包含最大池化與PANet網絡；所述初步特征提取網絡輸出的結果依次經最大池化后會進行拼接模塊Concat操作和五層卷積層Conv操作后將所得結果送入PANet網絡中，其中五層卷積層中第1個卷積層的卷積核大小為1×1、第2個卷積層的卷積核大小為3×3、第3個卷積層的卷積核大小為1×1、第4個卷積層的卷積核大小為3×3、第5個卷積層的卷積核大小為1×1，并且第2個卷積層、第4個卷積層分別為深度可分離卷積； 所述PANet網絡包括拼接模塊、五層卷積層、上采樣和下采樣，五層卷積層的卷積核大小依次為1×1、3×3、1×1、3×3、1×1，其中卷積核為3×3大小的卷積全部為可分離卷積，并在上采樣的操作后加入scSE注意力機制； 所述分類回歸層包括卷積核大小為3×3的卷積層和卷積核大小為1×1的卷積層，且3×3卷積層、1×1卷積層均為深度可分離卷積；特征金字塔網絡輸出的結果經過分類回歸層后，得到最終的預測圖片； 步驟S4、采用步驟S2得到的訓練集、驗證集，對步驟S3構建的改進的YOLOv4網絡模型進行訓練； 步驟S5、將待檢測的絕緣子圖片輸入至經步驟S4訓練好的改進的YOLOv4網絡模型，由改進的YOLOv4網絡模型在待檢測的絕緣子圖片中標定缺陷位置，實現缺陷目標檢測； 所述scSE注意力機制是由空間擠壓和通道激勵塊-cSE和通道擠壓和空間激勵塊-sSE組合而成，所述空間擠壓和通道激勵塊-cSE經過全局平均池化和全連接處理，最后使用Sigmoid激活函數進行歸一化處理，提高了網絡對通道特征提取的能力；所述通道擠壓和空間激勵塊-sSE是沿著通道擠壓特征圖并在空間上激勵，首先對輸入的特征圖中進行操作，通道壓縮采用了1×1×1的卷積方法進行，然后再通過Sigmoid激活函數的方法獲得新的空間特征圖，最后將得到的新的空間特征圖與原始特征圖進行相乘操作，實現空間的信息校準，提高對空間特征信息的學習能力；所述scSE注意力機制就是將空間擠壓和通道激勵塊-cSE和通道擠壓和空間激勵塊-sSE所得到全新特征進行相加，完成信息的堆疊。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽理工大學，其通訊地址為：232001 安徽省淮南市泰豐大街168號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。