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！

龙图腾网获悉江苏理工学院申请的专利一种基于改进YOLOv5的无纺布缺陷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：CN116912199B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310860937.5，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv5的无纺布缺陷检测方法是由康绍鹏;陆芸婷;强红宾;刘凯磊;吴双;李文鹏;李煜昕;黄鹏辉设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5的无纺布缺陷检测方法在说明书摘要公布了：本发明提供一种基于改进YOLOv5的无纺布缺陷检测方法，包括以下步骤：利用图像采集部件采集无纺布图像，裁剪采集到的图像中的缺陷部分，构成初步数据集，并利用标注工具对初步数据集中不同种类的缺陷进行标注；对初步数据集中某类图像较少的缺陷进行数据增强，形成增强数据集，并将增强数据集中的数据划分为训练集和验证集；构建改进YOLOv5网络模型；利用训练集训练改进YOLOv5网络模型，获取最优模型；利用获取的最优模型，对无纺布缺陷进行实时检测，解决了现有无纺布缺陷主要依靠人工检测，人工检测效率低，精度不够的问题，可对生产中的无纺布进行实时检测，有效提高了无纺布缺陷的检测效率和检测精度。

本发明授权一种基于改进YOLOv5的无纺布缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv5的无纺布缺陷检测方法，其特征在于，包括以下步骤： 利用图像采集部件采集无纺布图像，裁剪采集到的图像中的缺陷部分，构成初步数据集，并利用标注工具对初步数据集中不同种类的缺陷进行标注； 对初步数据集中某类图像的数目少于设定阈值的缺陷进行数据增强，形成增强数据集，并将增强数据集中的数据划分为训练集和验证集； 构建改进YOLOv5网络模型；改进YOLOv5网络模型包括： Backbone模块，对输入的图像进行特征提取，所述Backbone模块将原YOLOv5的ConvBNSiLU单元改为ConvBNGELU单元，并采用FasterNet主干特征提取网络单元对原YOLOv5的backbone模块进行轻量化改进； Neck模块，用以进行特征融合，所述Neck模块将原YOLOv5的C3单元加入SK注意力机制，组成C3-SK单元；Neck模块中的C3-SK单元为将原YOLOv5的C3单元中的BottleNeck中的第二个卷积后接入SK注意力机制； 所述SK注意力机制的计算方式为： 所述注意力机制构成选择性卷积核，对Backbone模块输出的特征图运用两组不同感受野的分组卷积，得到两组特征图； 再将两组特征图按元素相加得到特征图U，对特征图U进行全局平均池化并嵌入全局信息得到通道特征S，将通道特征S经全连接层得到压缩后的通道特征Z； 利用通道间的软注意自适应选择不同空间尺度的信息并将通道注意力与对应的特征图相乘； 将结合了通道注意力的两个特征图相加； Head模块，用以对无纺布的缺陷位置和类别进行预测； 改进YOLOv5网络模型引入WIoUv1损失函数，其表达式为： 其中，LIoU为预测框与真实框的交并比损失，其表达式为： RWIoU用于衡量预测框与真实框中心点之间的距离，其表达式为： 其中，xgt,ygt和x,y为预测框和真实框的中心坐标，Hg和Wg为能将预测框和真实框包裹住的最小矩形框的高和宽，上标*表示将Hg和Wg从计算图中分离出来；利用训练集训练改进YOLOv5网络模型，获取最优模型； 利用获取的最优模型，对无纺布缺陷进行实时检测。

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江苏理工学院，其通讯地址为：213001 江苏省常州市中吴大道1801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。