申请/专利权人：南京信息工程大学

申请日：2024-01-24

公开（公告）日：2024-04-16

公开（公告）号：CN117893517A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/82;G06V10/32;G06V10/25;G06V10/44;G06V10/774;G06V10/776;G06N3/0464;G06N3/045;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本申请公开了基于改进YOLOv5的布匹缺陷检测方法，属于图像处理和模式识别技术领域，包括以下步骤；获取待检测布匹图像；将所述待检测布匹图像输入至训练好的改进YOLOv5模型中，获得缺陷检测结果；其中，改进YOLOv5模型包括依此连接的改进YOLOv5神经网络主干部分、YOLOv5神经网络颈部和改进YOLOv5神经网络输出部分；所述改进YOLOv5神经网络主干部分通过在YOLOv5神经网络的主干部分中的C3模块添加注意力机制NAM模块和在YOLOv5神经网络的主干模块添加SPD‑Conv模块获取；所述改进YOLOv5神经网络输出部分通过在YOLOv5神经网络的输出部分之后增加Alpha‑IOU模块获取；通过在YOLOv5主干网络的C3模块增加NAM注意力机制提高了模型对小目标缺陷的提取能力，同时引入新的CNN模块SPD‑Conv，来解决布匹瑕疵较小时，性能迅速下降的问题。

主权项：1.一种基于改进YOLOv5的布匹缺陷检测方法，其特征在于，包括以下步骤；获取待检测布匹图像；将所述待检测布匹图像输入至训练好的改进YOLOv5模型中，获得缺陷检测结果；其中，改进YOLOv5模型包括依此连接的改进YOLOv5神经网络主干部分、YOLOv5神经网络颈部和改进YOLOv5神经网络输出部分；所述改进YOLOv5神经网络主干部分通过在YOLOv5神经网络的主干部分中的C3模块添加注意力机制NAM模块和在YOLOv5神经网络的主干模块添加SPD-Conv模块获取；所述改进YOLOv5神经网络输出部分通过在YOLOv5神经网络的输出部分之后增加Alpha-IOU模块获取。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于改进YOLOv5的布匹缺陷检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD