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！

龙图腾网获悉常州大学申请的专利一种基于深度学习的机器人装甲板检测方法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：CN114724033B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210368457.2，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的机器人装甲板检测方法是由储开斌;许嘉诚;张继;冯成涛设计研发完成，并于2022-04-09向国家知识产权局提交的专利申请。

本一种基于深度学习的机器人装甲板检测方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的机器人装甲板检测方法，包括采集机器人装甲板图片；增加一条与网络浅层特征层相连的路径，增加一个对小目标预测尺度，并添加SPP模块，融合XNOR‑Net；设置网络参数；搭建训练平台；进行装甲板检测测试；S6：利用PID控制方法控制云台瞄准目标装甲板。本发明增加对小目标检测能力强的输出预测尺度，增强对小目标的检测效果，引入空间金字塔池化SPP模块，通过不同尺寸的内核得到了全局特征和局部特征，在网络模型中融合不同尺度感受野，丰富了特征信息；融合XNOR‑Net，通过对权重和输入进行二值化操作，达到既减少存储空间，又加速的目的。

本发明授权一种基于深度学习的机器人装甲板检测方法在权利要求书中公布了：1.一种基于深度学习的机器人装甲板检测方法，其特征在于，包括以下步骤： S1、采集不同比赛场景下的机器人装甲板图片，构建机器人装甲板数据集，对数据集进行预处理； S2、在yolov4-tiny网络中增加一条与网络浅层特征层相连的路径，增加一个对小目标检测能力的输出预测尺度，并在网络模型骨干网络后的颈部添加SPP模块，并在yolov4-tiny网络中融合XNOR-Net，构建改进yolov4-tiny网络； 所述步骤S2包括： S21、将yolov4-tiny增加了一条与网络浅层特征层相连的路径，增加了一个对小目标检测能力强的输出预测尺度，在原有网络结构上通过上采样方式融合网络浅层与深层特征； S22、引入SPP模块，通过不同尺寸的内核得到了全局特征和局部特征，在网络模型中融合不同尺度感受野，丰富了特征信息； S23、在yolov4-tiny网络中融合XNOR-Net，使用XNOR和位计数代替传统卷积中的乘积运算，同时对权重和输入进行二值化操作； 卷积操作使用卷积核点乘输入的某个区域，假设输入为X，卷积核为W，缩放因子α，β，二值激活H，二值权重B： 对激活输入进行量化：X≈βH 对权重进行量化：W≈αB 则得到： XTW≈βHTαB 其中，H,B∈{+1,-1}n和β,α∈R+； 得出优化公式： α*,B*,β*,H*＝argminα,B,β,H||X⊙W-βαH⊙B|| 通过优化公式计算出的输入和权值均为二值化最优值的解； S3、对改进yolov4-tiny网络设置参数； S4、搭建训练平台，将数据集放入改进yolov4-tiny网络进行迭代训练； 所述步骤S3包括： S31、利用K-means++算法针对机器人装甲板目标数据集重新聚类； S32、采用完全交并比替代交并比作为回归优化损失函数； S33、设置网络输入图像的像素、批量大小、小批量、权值的衰减速率、初始学习率和迭代次数； S5、将训练好的改进yolov4-tiny网络迁移至机器人嵌入式平台JetsonTX2上进行装甲板检测测试； 所述步骤S5包括： S51、NVIDIAJetsonTX2环境配置； S52、通过opencv进行图像预处理，通过摄像头读入的图像为BGR格式，转换为Darknet期望的RGB格式，将图像缩放至网络输入尺寸，在缩放过程中保持原始图像宽高比，对图像像素值进行归一化操作； S53、将预处理后的图像输入到改进yolov4-tiny网络中，进行前向计算检测装甲板； S54、首先对所有预测框的置信度排名，选取置信度最高的预测框作为基准，然后计算剩余预测框与基准预测框之间的交并比，如果大于设定的阈值，就删除预测框，再从剩下的预测框中选取置信度最高的作为基准，重复以上过程，最终得到满足标准的最佳预测框； S55、采用mAP作为yolov4-tiny网络检测精度的评价指标，输出筛选后的检测结果； S6、机器人通过改进yolov4-tiny网络接收目标装甲板信息，利用PID控制方法控制云台瞄准目标装甲板并发射子弹击打目标。

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常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21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”。