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！

龙图腾网获悉华中农业大学申请的专利一种鸭蛋识别定位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：CN116758367B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310557346.0，技术领域涉及：G06V10/774；该发明授权一种鸭蛋识别定位方法是由祝志慧;何昱廷;李沃霖;马美湖;王树才设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种鸭蛋识别定位方法在说明书摘要公布了：本发明涉及一种鸭蛋识别定位方法。数据采集与预处理：使用羽毛、秸秆、泥沙或其他材料，模拟鸭舍的复杂环境，使用相机进行拍摄，所得数据中包括多角度、多位置、不同距离、不同遮挡形式的鸭蛋图像；对采集的原始图像数据按照6：2：2划分为训练集、验证集、测试集，为丰富现有训练集数据信息，防止模型出现过拟合问题，对训练集样本数据增强；建立YOLOV7目标检测模型对数据进行检测：对模型进行改进和训练，建立优化后的模型；采用优化后的模型对鸭蛋进行识别定位。本发明通过改进并训练YOLOV7模型，得到最优检测模型YOLOV7_CDS，其F1分数为95.5%，平均精度均值mAP为85.2%，为鸭蛋拾取机器人在鸭场中拾取鸭蛋提供技术支持。

本发明授权一种鸭蛋识别定位方法在权利要求书中公布了：1.一种鸭蛋识别定位方法，其特征在于，包括以下步骤: 1数据采集与预处理：使用羽毛、秸秆、泥沙或其他材料，模拟鸭舍的复杂环境，使用相机进行拍摄，所得数据中包括多角度、多位置、不同距离、不同遮挡形式的鸭蛋图像； 2数据集划分：对采集的原始图像数据划分为训练集、验证集、测试集，对训练集样本数据增强，训练集中包含各类影响识别的图片，具体分类包括遮挡和密集度两大类因素，其中遮挡分为无遮挡、相互遮挡、泥土遮挡、羽毛遮挡，密集度分为稀疏、中等、簇拥； 3建立YOLOV7目标检测模型对数据进行检测： 4对模型进行改进和训练，建立优化后的模型； 5采用优化后的模型对鸭蛋进行识别定位； 所述步骤4中，采用卷积注意力模块、深度可分离卷积网络、空间金字塔池化结构对模型进行改进和训练；卷积注意力模块包含通道注意力、空间注意力2个模块； 通道注意力模块，对输入尺寸为H×W×C的特征图，分别进行全局平均池化和全局最大池化，得到2个1×1×C的特征图，新的特征图，再经2层全连接网络后，进行相加，接着通过σ函数得到权重系数，权重系数与输入的特征图相乘，最终得到输出特征图，其计算方法如公式2； 空间注意力模块，将通道注意力模块输出的特征图，作为输入，进行最大池化和平均池化，得到的2个H×W×1特征图在通道维度进行拼接，成为H×W×2，接着经过卷积降为一个通道，并通过σ函数生成空间权重系数，将输入特征图与权重相乘，即得到输出的特征图，其计算方法如公式3所示； McFm=σMLPAvgPoolFm+MLPMaxPoolFm2； MsFm=σf 7×7 [AvgPoolFm;MaxPoolFm]3； 式中Mc为通道注意力图，Ms为空间注意力图；Fm为输入特征图；σ为Sigmoid函数；f7×7为7×7卷积；MLP为MultilayerPerceptron神经网络；深度可分离卷积网络由深度卷积和逐点卷积两部分组成，第一部分为3×3的深度卷积，第二部分为1×1的逐点卷积，其浮点预算量公式如4，对比标准卷积浮点运算量，计算公式如5： FLOPs1=Ci×K 2 ×Ho×Wo+Ci×Ho×Wo×Co4 FLOPs2=Ci×K 2 ×Ho×Wo×Co5 式中Ci、Co分别为输入、输出通道数，K为卷积核大小，Ho、Wo分别为输出特征图高度、宽度；二者浮点运算量之比为：，当Co为4，K为3时，深度可分离卷积浮点运算量减少；空间金字塔池化结构：采用统一步长、不同尺寸卷积核，实现对图像区域的不同敏感性，最后通过Concat拼接并进行1×1卷积，使得特征融合，增强所得特征图表达能力，提高检测准确率；对空间金字塔池化结构进行改进，将每次池化后的输出作为下一个池化的输入，在保持原有优点的基础上，提升模型效率。

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华中农业大学，其通讯地址为：430070 湖北省武汉市洪山区狮子山街1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。