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！

龙图腾网获悉安徽大学申请的专利基于改进YOLO模型的粮仓通风特征信息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：CN115953713B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211602076.2，技术领域涉及：G06V20/40；该发明授权基于改进YOLO模型的粮仓通风特征信息检测方法及系统是由张红伟;梁凯;芮丹薇;徐赛;刘孜昂;吴凡;朱军;周健;程国红设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于改进YOLO模型的粮仓通风特征信息检测方法及系统在说明书摘要公布了：本发明涉及一种基于改进YOLO模型的粮仓通风特征信息检测方法及系统。所述特征信息为粮食品种、粮面是否平整、粮面是否有压盖物、仓窗密封状态及风机转动状态，这些特征信息会对粮仓的通风效果造成影响。该检测方法首先采集待测粮仓内的多个采集点的图像并预处理得到原始数据集。然后将原始数据集分类并划分为训练集、测试集和验证集。再构建YOLO模型并改进，从而对其训练、评估和调整优化。最后实时监测待测粮仓内的多个采集点图像并分别输入至改进后的YOLO模型中，识别出待测粮仓的多个特征信息。该检测方法及系统可以用来自动化实时监测粮仓通风的特征信息，节约人力成本，同时可以根据特征信息及时调整粮仓通风状态，提升通风效果。

本发明授权基于改进YOLO模型的粮仓通风特征信息检测方法及系统在权利要求书中公布了：1.一种基于改进YOLO模型的粮仓通风特征信息检测方法，其特征在于，包括以下步骤： S1.采集一个待测粮仓内的多个采集点的图像并进行图像预处理，以此得到原始数据集； S2.将所述原始数据集中的图像分类并按照一个预设比例划分为训练集、测试集和验证集； S3.基于神经网络构建YOLO模型； 其中，所述YOLO模型是目标检测模型，用于识别与多个采集点相对应的多个相关的特征信息；所述特征信息为粮食品种、粮面是否平整、粮面是否有压盖物、仓窗密封状态或风机转动状态；所述神经网络包括卷积层、归一化层、激活函数和下采样层； S4.对所述YOLO模型进行改进，得到改进YOLO模型； 其中，所述YOLO模型的改进方法至少包括以下过程： S41.按照采集点目标类型为所述YOLO模型规划逐帧识别通道和跳帧识别通道；所述目标类型为粮食、仓窗或风机；其中，当所述采集点的目标类型为粮食时，则将待检测的图像由跳帧识别通道输入至所述改进YOLO模型；当所述采集点的目标类型为仓窗或风机时，则将待检测的图像由逐帧识别通道输入至所述改进YOLO模型； S42.使用MobileNetV3改进所述YOLO模型的网络结构； S43.采用Distance-IoU作为所述YOLO模型的边界损失函数； S44.引入权重系数改进所述YOLO模型的特征融合方式； S5.利用所述训练集训练相应的所述改进YOLO模型，再根据所述测试集评估所述改进YOLO模型的性能，并利用所述验证集调整所述改进YOLO模型的参数及选择特征，对所述改进YOLO模型进行优化； S6.实时监测所述待测粮仓内的多个采集点的状态，并将实时采集的各个图像分别输入至优化后的所述改进YOLO模型中，进而识别出所述待测粮仓的多个特征信息。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。