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！

龙图腾网获悉重庆邮电大学申请的专利一种工业环境下的特征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：CN119380040B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411644127.7，技术领域涉及：G06V10/44；该发明授权一种工业环境下的特征检测方法是由王汝言;董震宇;吴大鹏;张鸿;甄岩;应俊设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种工业环境下的特征检测方法在说明书摘要公布了：本发明涉及一种工业环境下的特征检测方法，属于工业物联网领域。该方法包括以下步骤：首先在MobileNetV3的Bneck结构中加入关注位置信息的注意力机制，构建CA‑Bneck结构，轻量化YOLOv5s主干网络，减少模型参数量和计算复杂度，以有效提高实时检测速度；针对特征遮挡和多特征共存的问题，设计空间因子来衡量检测框与真实框的相对空间位置，从而在特征重叠的情况下更准确地评估检测框的有效性。最后提出自适应通道剪枝方法对模型进行压缩，将优化后的模型下发至工业边缘智能终端，通过在边缘设备上对特征进行检测，能够有效提高模型识别精度和推理速度。

本发明授权一种工业环境下的特征检测方法在权利要求书中公布了：1.一种工业环境下的特征检测方法，其特征在于：该方法包括以下步骤： S1、获取工业环境特征图像数据集，并对数据集进行预处理； S2、采用MobileNetV3网络中的Bneck结构，结合CA注意力机制，构建CA-Bneck结构，并使用CA-Bneck重构Yolov5s主干网络，提出快速sigmoid函数构建MobileNetV3激活函数；所述S2中，MobileNetV3由深度可分离卷积和逆残差结构组成；深度可分离卷积，由深度卷积和逐点卷积两个独立层组合而成，将空间滤波和特征生成分离，降低模型的参数量和计算成本；为提高检测速度与性能，提出激活函数ParametricFast-Sigmoidx，在深度可分离卷积中，激活函数减少每层输出的计算开销，同时在逆残差结构的逐层传递中，保持数值稳定性和计算效率；激活函数ParametricFast-Sigmoidx公式如下： 其中，x为输入变量，ParametricFast-Sigmoidx为输出结果，α控制输出的增益，β影响输入的压缩程度，γ是偏移量；通过α、β、γ的动态调整，使激活函数能够更好地适应不同的特征分布，增强模型的表达能力，减少了复杂的非线性计算，大幅提升边缘设备的计算速度； S3、在传统损失函数的基础上，设计可调节参数和空间因子构建自适应损失函数Adaptive-IoU，称为A-IoU，在特征距离较近或遮挡严重的情况下进行更合理的评分；所述S3中，设计空间因子和置信度因子的自适应损失函数A-IoU，A-IoU损失函数计算公式如下： A-IoU＝IoUα·Confidenceβ·SpatialFactorγ 其中IoU是传统损失函数，表示检测框和真实框之间的重叠度，Confidence表示检测框的置信度，SpatialFactor用于量化检测框和真实框在空间上的相对位置，α、β和γ是可调节参数，用于平衡IoU、置信度和空间因子对最终评分的影响；空间因子为检测框中心点与真实框中心点之间的距离因子，公式如下： SpatialFactor＝exp-dσ 其中d表示检测框与真实框中心的欧式距离，σ是平滑参数； S4、提出自适应通道剪枝的方法对特征检测模型进行动态稀疏训练，获得最优特征检测模型，提升特征检测模型推理速度；所述S4中，对模型进行剪枝的方法来实现模型压缩，在对模型剪枝前，对构建的MobileNetV3-CA-Bneck模型进行动态稀疏训练，以对通道重要程度进行区分；批归一化BN层加速神经网络训练收敛并改进网络泛化性能，使每层的激活输入在训练时保持同分布，使得激活输入值始终处于激活敏感区域，远离导数饱和区，缓解反向传播中的梯度消失问题； γi为BN层中通道i的尺度缩放因子，是筛选通道重要性的指标；对这些通道的尺度缩放因子计算L1范数，通过对尺度缩放因子L1正则化使其向0逼近，而与0接近的尺度缩放因子对应的卷积核对网络贡献小，将其剪除不会对精度造成太大影响；L1正则化后的计算公式为： 在网络损失函数基础上加入对尺度缩放因子γi的L1范数项，得到重构后的损失函数为： 公式中Loriginal为原始损失函数，λ为稀疏正则化因子，用来控制稀疏正则项在损失函数中的权重，γi为BN层中通道i的尺度缩放因子，pt为动态稀疏程度，随训练进程t动态调整，动态稀疏程度调整帮助网络逐步学习通道重要性，使剪枝过程平稳。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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”。

以上内容由龙图腾AI智能生成。