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！

龙图腾网获悉厦门理工学院申请的专利一种基于轻量化的目标检测模型的物流包裹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：CN115375937B 。

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：202210952157.9，技术领域涉及：G06V10/764；该发明授权一种基于轻量化的目标检测模型的物流包裹检测方法是由张国伟;孔洋洋;王力;刘智超设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本一种基于轻量化的目标检测模型的物流包裹检测方法在说明书摘要公布了：本发明公开了一种基于轻量化的目标检测模型的物流包裹检测方法，所述模型由input模块、backbone模块、neck模块和prediction模块四部分构成，其中：input模块是图像数据的输入端，用于将物流运输线上采集的尺寸为752×480的3通道图像数据处理成640×640×3的图像数据；backbone模块用于提取input模块输出的图像数据的物流包裹特征；neck模块用于对backbone模块提取的物流包裹特征进行混合和组合；prediction模块用于处理neck模块获取的图像特征，并对目标类别和边界框进行预测并输出。本发明能够满足真实工作环境下的实时性、准确性、轻量化容易部署等要求。

本发明授权一种基于轻量化的目标检测模型的物流包裹检测方法在权利要求书中公布了：1.一种基于轻量化的目标检测模型的物流包裹检测方法，其特征在于所述模型由input模块、backbone模块、neck模块和prediction模块四部分构成，其中： 所述input模块是图像数据的输入端，用于将物流运输线上采集的尺寸为752×480的3通道图像数据处理成640×640×3的图像数据； 所述backbone模块用于提取input模块输出的图像数据的物流包裹特征； 所述neck模块用于对backbone模块提取的物流包裹特征进行混合和组合； 所述prediction模块用于处理neck模块获取的图像特征，并对目标类别和边界框进行预测并输出； 所述backbone模块由第0层~第6层构成，neck模块由第7层~第18层构成，第15层和第18层分别作为prediction模块的中目标检测层和大目标检测层； 所述第0层为CBRM层，input模块输出的640×640×3图像数据作为第0层的输入，第0层输出的160×160×8图像数据作为第1层的输入； 所述第1层为Shuffle-Block层，步长s=2，第1层的输入图像数据大小为160×160×8，第1层输出的80×80×64图像数据作为第2层的输入； 所述第2层为C3-Lite层，使用了3个Bottleneck结构，C3-Lite层的步长s=1，第2层的输入图像数据大小为80×80×64，第2层输出的80×80×64图像数据同时作为第3层和第13层的输入； 所述第3层为Shuffle-Block层，步长s=2，第3层输入的图像数据大小为80×80×64，第3层输出的40×40×128图像数据作为第4层的输入； 所述第4层为C3-Lite层，使用了7个Bottleneck结构，C3-Lite层的步长s=1，第4层的输入图像数据大小为40×40×128，第4层输出的40×40×128图像数据同时作为第5层和第9层的输入； 所述第5层为Shuffle-Block层，步长s=2，第5层的输入图像数据大小为40×40×128，第5层输出的20×20×256图像数据作为第6层的输入； 所述第6层为C3-Lite层，使用了3个Bottleneck结构，C3-Lite层的步长s=1，第6层的输入图像数据大小为20×20×256，第6层输出的20×20×256图像数据作为第7层的输入； 所述第7层为Conv层，第7层的输入图像数据大小为20×20×256，第7层输出的20×20×128图像数据同时作为第8层和第17层的输入； 所述第8层为上采样，第8层的输入图像数据大小为20×20×128，第8层输出的40×40×128图像数据作为第9层的输入； 所述第9层为Concat层，第9层的输入图像大小为40×40×128+40×40×128，第9层输出的40×40×256图像数据作为第10层的输入； 所述第10层为C3层，第10层的输入图像大小为40×40×256，第10层输出的40×40×128图像数据作为第11层输入； 所述第11层为Conv层，第11层的输入图像大小为40×40×128，第11层输出的40×40×64图像数据作为第12层的输入； 所述第12层为上采样层，第12层的输入图像大小为40×40×64，第12层输出的80×80×64图像数据作为第13层的输入； 所述第13层为Concat层，第13层的输入图像大小为80×80×64+80×80×64，第13层输出的80×80×128图像数据作为第14层的输入； 所述第14层为Focus层，第14层的输入图像大小为80×80×128，第14层输出的40×40×128图像数据作为第15层的输入； 所述第15层为C3层，第15层的输入图像大小为40×40×128，第15层输出的40×40×64图像数据作为第16层的输入，第15层即为prediction模块的中目标检测层； 所述第16层为Focus层，第16层的输入图像大小为40×40×64，第16层输出的20×20×64图像数据作为第17层的输入； 所述第17层为Concat层，第17层的输入图像大小为20×20×64+20×20×128，第17层输出的20×20×192图像数据作为第18层的输入； 所述第18层为C3层，第18层的输入图像大小为20×20×192，第18层输出为20×20×64，第18层即为prediction模块的大目标检测层。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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”。