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！

龙图腾网获悉西安建筑科技大学申请的专利一种基于轻量化YOLOV4-tiny的传送带工件图像目标检测方法及系统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：CN114898200B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202210577168.3，技术领域涉及：G06V10/25；该发明授权一种基于轻量化YOLOV4-tiny的传送带工件图像目标检测方法及系统是由刘光辉;张凯设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于轻量化YOLOV4-tiny的传送带工件图像目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于轻量化YOLOV4‑tiny的传送带工件图像目标检测方法及系统，属于目标检测技术领域，具体步骤为：构建传送带工件的训练图像集；构建轻量化YOLOV4‑tiny传送带工件图像目标检测网络，包括主干特征提取网络CSPDarknet53‑tiny、融入有高效通道注意力机制ECA的加强特征提取网络FPN和预测特征层YOLOHead；利用训练图像集训练轻量化YOLOV4‑tiny传送带工件图像目标检测网络，得到轻量化YOLOV4‑tiny传送带工件图像目标检测网络模型；将待检测的传送带工件图像输入轻量化YOLOV4‑tiny传送带工件图像目标检测网络模型，得到传送带工件图像的目标检测结果，本发明的检测方法结合工业场景节约计算机资源和内存的轻量化部署的要求，能够在提高检测精度的同时提高检测速度，进一步实现高效准确地进行目标检测。

本发明授权一种基于轻量化YOLOV4-tiny的传送带工件图像目标检测方法及系统在权利要求书中公布了：1.一种基于轻量化YOLOV4-tiny的传送带工件图像目标检测方法，其特征在于，具体步骤为： S1构建传送带工件的训练图像集； S2构建轻量化YOLOV4-tiny传送带工件图像目标检测网络，包括主干特征提取网络CSPDarknet53-tiny、加强特征提取网络FPN和预测特征层YOLOHead，其中所述加强特征提取网络FPN中融入有高效通道注意力机制ECA； S3利用传送带工件的训练图像集训练轻量化YOLOV4-tiny传送带工件图像目标检测网络，得到轻量化YOLOV4-tiny传送带工件图像目标检测网络模型； S4将待检测的传送带工件图像输入轻量化YOLOV4-tiny传送带工件图像目标检测网络模型，得到传送带工件图像的目标检测结果； 步骤S2中，采用矩阵非极大抑制MatrixNMS通过线性衰减的方式对预测特征层YOLOHead的预测框进行并行化筛选，所述筛选的具体步骤为S2.1根据类别置信度，把预测特征层YOLOHead的检测框按降序排列，并获得边框列表； S2.2将列表置信度值得分第一的边框移出至输出边框列表； S2.3求出输出边框列表中剩余全部检测框的面积； S2.4计算出边框列表中剩余所有边框与置信度得分第一的边框之间的交并比； S2.5计算交并比大于阈值的边框的线性衰减系数decayj，改变候选框的置信度，得分重置函数为： 其中，si为置信度得分；M为置信度最高的基准框；bi为与基准框计算交并比的其他候选框；Nt表示设定的交并比阈值； 线性衰减系数decayj公式为： 其中：fioui,j＝1-ioui,j、 S2.6重复步骤S2.1-S2.5，直到边框列表为空时，此时输出边框列表中的边框即为最终筛选的预测框。

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西安建筑科技大学，其通讯地址为：710055 陕西省西安市碑林区雁塔路13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”。