恭喜重慶大學(xué)程森林獲國家專利權(quán)
買專利賣專利找龍圖騰,真高效! 查專利查商標(biāo)用IPTOP,全免費(fèi)!專利年費(fèi)監(jiān)控用IP管家,真方便!
龍圖騰網(wǎng)恭喜重慶大學(xué)申請的專利基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予,授權(quán)公告號為:CN117037054B 。
龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請?zhí)?專利號為:202310628957.X,技術(shù)領(lǐng)域涉及:G06V20/52;該發(fā)明授權(quán)基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法是由程森林;李詠寒;雷晗;趙志威;韓雨設(shè)計研發(fā)完成,并于2023-05-31向國家知識產(chǎn)權(quán)局提交的專利申請。
本基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法在說明書摘要公布了:本發(fā)明提供了一種基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法,包括以下步驟:獲取待檢測區(qū)域內(nèi)監(jiān)控視頻中的當(dāng)前幀圖像;采用改進(jìn)的YOLOv4神經(jīng)網(wǎng)絡(luò)模型提取圖像中可能存在煙霧的候選區(qū)域;根據(jù)煙霧區(qū)域的實際場景引入高斯煙霧羽流模型,優(yōu)化YOLOv4?Mini模型的損失函數(shù);對損失函數(shù)修正后的YOLOv4?Mini模型進(jìn)行訓(xùn)練,之后進(jìn)行煙霧檢測。本發(fā)明基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法,基于ModelScaling原理提出了一種輕量化后的YOLOv4?mini模型,并提出了結(jié)合高斯煙霧羽流模型的模型損失函數(shù),可以有效的減少環(huán)境因素的干擾,便于快速、精確的實現(xiàn)對工廠煙霧的識別檢測。
本發(fā)明授權(quán)基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法在權(quán)利要求書中公布了:1.基于高斯煙霧羽流模型和改進(jìn)YOLOv4的工廠煙霧檢測方法,其特征在于,包括以下步驟:S1.獲取待檢測區(qū)域內(nèi)監(jiān)控視頻中的當(dāng)前幀圖像;S2.對獲得的當(dāng)前幀圖像進(jìn)行煙霧檢測,包括:1.采用改進(jìn)的YOLOv4神經(jīng)網(wǎng)絡(luò)模型提取圖像中可能存在煙霧的候選區(qū)域;2.根據(jù)煙霧區(qū)域的實際場景引入高斯煙霧羽流模型,將隨時間變化的煙霧濃度值Ct作為修正值,代入YOLOv4置信度損失函數(shù)部分,優(yōu)化YOLOv4-Mini模型的損失函數(shù);3.對損失函數(shù)修正后的YOLOv4-Mini模型進(jìn)行訓(xùn)練,之后進(jìn)行煙霧檢測;其中,所述YOLOv4神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)包括:a.基于ModelScaling模型縮放原理對YOLOv4神經(jīng)網(wǎng)絡(luò)模型的Backbone網(wǎng)絡(luò)部分進(jìn)行輕量化設(shè)計,得到Y(jié)OLOv4-mini檢測模型;b.設(shè)計多尺度特征聚合模塊,設(shè)計完畢后,加入YOLOv4-mini檢測模型的Neck結(jié)構(gòu)中;所述多尺度特征聚合模塊設(shè)計過程中,引入了RFB模塊;所述多尺度特征聚合模塊有自下而上和自上而下兩個路徑;所述YOLOv4輕量化設(shè)計的過程如下:a1.將主干網(wǎng)絡(luò)CSPDarkNet53的標(biāo)準(zhǔn)卷積更改為深度可分離卷積;所述深度可分離卷積有兩層:第一層是深度卷積,深度卷積將單個卷積核應(yīng)用于每個輸入通道;第二層是一個1×1的點卷積,點卷積利用一個1×1的卷積核將輸出與深度卷積結(jié)合起來;a2.基于深度分離卷積,改變卷積集的連接方式,將每個卷積集的原始輸入與輸出拼接;a3.對網(wǎng)絡(luò)卷積層數(shù)深度進(jìn)行縮放,對網(wǎng)絡(luò)通道寬度進(jìn)行縮放。
如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請人或?qū)@麢?quán)人重慶大學(xué),其通訊地址為:400044 重慶市沙坪壩區(qū)正街174號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。
1、本報告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報告中的分析和結(jié)論僅反映本公司于發(fā)布本報告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
- 恭喜深圳睿舍智能科技有限公司李沖獲國家專利權(quán)
- 恭喜菲尼克斯公司D·M·雷塔拉克獲國家專利權(quán)
- 恭喜泰而勒商業(yè)食品服務(wù)有限公司內(nèi)森·E·史密斯獲國家專利權(quán)
- 恭喜中國科學(xué)院微生物研究所董紅軍獲國家專利權(quán)
- 恭喜鄭州比克電池有限公司董永鋒獲國家專利權(quán)
- 恭喜埃因霍溫科技大學(xué)巴爾特·桑德斯獲國家專利權(quán)
- 恭喜德國費(fèi)森尤斯卡比有限公司法比奧·雷蒙迪獲國家專利權(quán)
- 恭喜帝斯曼知識產(chǎn)權(quán)資產(chǎn)管理有限公司芮妮.馬賽爾.鐘.德獲國家專利權(quán)
- 恭喜索尼公司納土?xí)x一郎獲國家專利權(quán)
- 恭喜阿爾弗雷德·卡赫歐洲兩合公司費(fèi)利克斯·特賴茨獲國家專利權(quán)