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！

龙图腾网获悉天津工业大学申请的专利一种基于改进YOLOV5算法的带式输送机火情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：CN117036919B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202311109089.0，技术领域涉及：G06V20/00；该发明授权一种基于改进YOLOV5算法的带式输送机火情检测方法是由李现国;樊亚飞;刘意设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于改进YOLOV5算法的带式输送机火情检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOV5算法的带式输送机火情检测方法，旨在提供一种高效准确的带式输送机火情监测解决方案，方法包括：获取带式输送机火情图片，制作带式输送机火情数据集，进行预处理得到预处理后的图像，将预处理后的图像输入至改进YOLOV5算法中进行训练，得到训练后的改进YOLOV5模型；将待检测图像输入至训练后的改进YOLOV5模型，判断是否有火情。其中改进的YOLOV5算法包括：在特征提取部分设计CFP_2模块、CFP_4模块、CFP_6模块，改进空间金字塔池化模块，优化特征提取性能；在特征融合部分设计VoVGSCSP模块、改进下采样模块，优化特征融合性能；在检测头部分设计GSConv卷积层，进一步优化特征提取性能；优化预测框回归损失函数。本发明可以同时检测输送带燃烧产生的黑色烟雾与火焰，实现带式输送机火情预警，提高了火情检测的准确性与可靠性。

本发明授权一种基于改进YOLOV5算法的带式输送机火情检测方法在权利要求书中公布了：1.一种基于改进YOLOV5算法的带式输送机火情检测方法，其特征在于，包括以下步骤： S1、获取带式输送机火情图片，制作带式输送机火情数据集，进行预处理得到预处理后的图像I； S2、将预处理后的图像I输入至改进YOLOV5算法中进行训练，得到训练后的改进YOLOV5模型M，所述改进YOLOV5算法包括： 1在特征提取部分设计CFP_2模块、CFP_4模块、CFP_6模块，改进空间金字塔池化模块，优化特征提取性能，具体包括以下步骤： a、将所述预处理后的图像I，先后通过6×6的卷积层和3×3的卷积层，得到特征图Feature_C0； b、将特征图Feature_C0输入至CFP_2模块，输出特征图Feature_C1； c、将所述特征图Feature_C1先后通过3×3的卷积层和CFP_4模块，得到特征图Feature_C2，然后经过3×3的卷积层输入到CFP_6模块中，得到特征图Feature_C3，再经过3×3的卷积层输入到CFP_2模块中，得到特征图Feature_C4，将特征图Feature_C4输入至改进空间金字塔池化模块后，得到特征图Feature_C5，特征图Feature_C2、特征图Feature_C3和特征图Feature_C5作为多尺度特征融合模块的输入； 2在特征融合部分设计VoVGSCSP模块、改进下采样模块，优化特征融合性能；在检测头部分设计GSConv卷积层，进一步优化特征提取性能；具体包括以下步骤： 1、将所述特征图Feature_C5通过1×1的卷积层得到特征图Feature_C5C，然后经过上采样操作得到特征图Feature_Up1； 2、将特征图Feature_Up1与所述特征图Feature_C3进行级联操作得到特征图Feature_Fuse1，将特征图Feature_Fuse1先后通过VoVGSCSP模块和1×1的卷积层获得特征图Feature_Fuse1C，然后经过上采样操作得到特征图Feature_Up2； 3、将特征图Feature_Up2与所述特征图Feature_C2进行级联操作得到特征图Feature_Fuse2，将特征图Feature_Fuse2通过VoVGSCSP模块，再先后通过一个GSConv卷积层和一个卷积核大小为1×1的普通卷积，得到特征图F3，其特征尺寸为原图像的18，用于小目标的检测； 4、将特征图Feature_Fuse2先后通过VoVGSCSP模块和改进下采样模块，将得到的特征图M2与特征图Feature_Fuse1C进行级联，得到特征图Feature_Fuse3，然后先后通过VoVGSCSP模块以及一个GSConv卷积层和一个卷积核大小为1×1的普通卷积，得到特征图F2，其特征尺寸为原图像的116，用于中目标的检测； 5、将特征图Feature_Fuse3先后通过VoVGSCSP模块和改进下采样模块，将得到的特征图M3与特征图Feature_C5C进行级联，得到特征图Feature_Fuse4，然后通过VoVGSCSP模块，再先后通过一个GSConv卷积层和一个卷积核大小为1×1的普通卷积，得到特征图F1，其特征尺寸为原图像的132，用于大目标的检测； 3优化预测框回归损失函数； S3、将待检测图像输入至所述训练后的改进YOLOV5模型M，得到带式输送机是否有火情的检查结果。

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天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399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”。