申请/专利权人：湘潭大学

申请日：2024-01-23

公开（公告）日：2024-04-26

公开（公告）号：CN117934993A

主分类号：G06V10/774

分类号：G06V10/774;G01N23/20;G06V10/82;G06V10/764;G06V10/80;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明提出了一种基于轻量化准确识别X射线散射峰的目标检测方法。该方法的主要思路是对YOLOv8网络结构进行优化和改进实现对散射峰快速精准检测的目的。主要步骤包括：建立X射线散射图像数据集，将各类样品实验得来的散射图使用labelimg软件进行标定制作成数据集，并使用python代码将数据集按照7：2：1的比例划分为训练集、测试集和验证集；构建Yolov8‑BGS网络模型，模型是由Yolov8网络与GBiFPN多尺度特征融合金字塔、GSConv卷积结构、ShuffleAttention注意力机制融合得到；将划分好的数据集放到设计好的网络模型中进行训练生成权重文件。本方法可用于同步辐射X射线散射图像的识别与分析，能够大大节省人力，提高X射线表征分析的效率。

主权项：1.一种基于Yolov8的轻量化准确识别X射线散射峰的目标检测方法，其主要特征和步骤如下：1通过对实验样品的X射线散射表征获得X射线散射图像，然后进行人工筛选获得相应的图像库；2使用图像标定软件labelme对散射图像进行标定；3融合BiFPN多尺度特征融合金字塔、GSConv卷积模块、ShuffleAttention注意力机制和Yolov8的基础网络结构构建Yolov8-BGS网络模型；4将制作好的X射线散射图像数据集输入到Yolov8-BGS网络模型中进行训练，通过评价指标分别对目标检测模型与原始的YOLOv8网络模型进行对比和评价；5将Yolov8-BGS网络模型训练出来的best.pt带入网络结构中对X射线散射图像的峰进行检测识别和定位。

全文数据：

权利要求：

百度查询： 湘潭大学 基于Yolov8的轻量化准确识别X射线散射峰的目标检测方法

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