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！

龙图腾网获悉北京工业大学申请的专利一种基于可变形卷积的印制线路板电子元器件目标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：CN116805304B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310621681.2，技术领域涉及：G06T7/00；该发明授权一种基于可变形卷积的印制线路板电子元器件目标检测方法是由李方昱;牛末寒;刘峥;韩红桂设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种基于可变形卷积的印制线路板电子元器件目标检测方法在说明书摘要公布了：一种基于可变形卷积的印制线路板电子元器件目标检测方法属于计算机视觉领域。针对印制电路板PCB目标检测过程中由于拍摄角度多样化产生的检测对象形变问题，实现对PCB电子元器件的识别定位。该检测方法通过可变形卷积结构，使得卷积核根据目标的尺寸大小以及形状改变自适应地进行变形，提升神经网络对未知变化的适应性，增强泛化能力，从而提升PCB目标检测的精度；解决了当前基于深度神经网络目标检测难以解决物体空间形变的问题；实验结果表明该方法能够准确地对PCB电子元器件进行检测，并具有较强的自适应能力，提升目前废弃电器电子产品回收拆解过程中的智能化程度，提升工艺的自动化程度。

本发明授权一种基于可变形卷积的印制线路板电子元器件目标检测方法在权利要求书中公布了：1.一种基于可变形卷积的印制线路板电子元器件目标检测方法，其特征在于，包括以下步骤： 包括“数据采集”、“可变形卷积电子元器件检测模型建立”、“可变形卷积电子元器件检测模型训练”、“可变形卷积电子元器件检测模型预测”共4个阶段，具体步骤如下： 1数据采集阶段 获取印制线路板电子元器件图像数据集，共5类电子元器件图像，包括：电阻、电容、芯片、变压器、压敏电阻；将印制线路板电子元器件图数据集划分为训练集、验证集、测试集，图片数量比例为4∶1∶1；将印制线路板电子元器件图像数据集中每张图像的像素归一化至[0,1]，每张图片进行尺寸缩放，短边固定为600，长边小于等于1000； 2可变形卷积电子元器件检测模型建立阶段 可变形卷积电子元器件检测模型包括电子元器件特征提取、可变形区域建议、电子元器件建议框特征图生成、电子元器件检测框生成共4个模块； ①电子元器件特征提取 构建卷积残差特征提取，卷积残差特征提取包含4个阶段：第1个阶段由1个卷积核为7×7的卷积层，1个批量归一化处理层，1个激活函数层组成，1个3×3最大池化层组成，其余3个阶段分别由3、4、6个瓶颈结构组成，每个瓶颈结构公式如下： Yi＝HXi+FXi，Wi1 其中公式1X为第i个瓶颈结构的特征输入，i＝1,2，…，13，Yi为第i个瓶颈结构输出，HXi为Xi直接线性映射，包含卷积操作，FXi，Wi为非线性映射，包含三次卷积操作，三次批归一化和两次激活函数，Wi为标准卷积核参数，公式2为瓶颈结构输出激活函数，Xi+1为第i+1个瓶颈结构特征输入，σYi为第i个瓶颈结构输出Yi的激活函数；特征提取最终输出特征图维度为1024； ②可变形区域建议 构建可变形区域建议，其结构为1个卷积核为3×3可变形卷积层，并行连接2个卷积核为1×1的卷积层，具体结构为： 3×3可变形卷积层表达公式为： P＝P0+Pn+ΔPn4 cP＝cP0+Pn+ΔPn5 其中公式3，R＝{-1，-1，-1,0，…，0,1，1,1}代表了卷积核9个点的相对位置集合，中心为0,0，Pn为卷积核的每一个位置，h为可变形卷积核参数，c为输入特征，P0为特征图上的单个特征点，d为输出特征，{ΔPn|n＝1，…，N}，N＝|R|，对应着R中9个位置偏置，如R[0]＝-1，-1，ΔPn为二维量，对应横纵坐标偏置，Δmn为坐标偏置附加权重，公式4P为加入偏置后位置，为浮点数，公式5中cP为加入偏置后位置特征值，等价于对通过双线性插值法求得，其表达公式为： GQ，P＝gQx，Px·gQy，Py7 ga，b＝max0,1-|a-b|8 其中cP为加入偏置后位置特征值，由公式6得出，Q为的特征图上距离P最近且距离小于1的4个点位，GQ，P为对Q，P坐标执行求距离操作，cQ为Q对应像素值，公式7为GQ，P公式，为2个g函数相乘，g函数分别对Q，P横纵坐标执行操作，Qx，Qy，Px，Py为Q，P对应坐标，x表示横坐标，y表示纵坐标，公式8为ga，b具体公式，a，b为公式示例输入，max表示二值比较取最大值，|a-b|表示a，b作差取绝对值函数公式； 用于目标分数预测1×1卷积，输出1维向量，包含特征提取输出特征图每个点位生成的建议框的目标分数，包含目标分数，不包含目标分数； 用于目标建议框边界回归的1×1卷积，输出1维向量，包含特征提取输出特征图每个点位生成的每个尺寸建议框的位置信息包括横纵坐标，长宽尺寸； 可变形区域建议最终输出建议框向量； ③电子元器件建议框特征图生成 构建电子元器件建议框特征图生成，其输入特征提取输出的1024特征图以及可变形区域建议输出的建议框向量，将建议框映射至特征图上，并经过平均池化处理，最终输出每个建议框对应的特征图，且特征图尺寸统一为14×14，维度为1024； ④电子元器件去检测框生成 此包含3个瓶颈结构，1个自适应平均池化层，2个并行的全连接层，2个全连接层神经元各为2048，输入建议框特征图生成输出的特征图，经过3个瓶颈结构输出尺寸为7×7，维度为2048的特征图，经过自适应平均池化层输出2048维的1维向量，最终2个全连接层对向量分别预测类别与检测框； 3可变形卷积电子元器件检测模型训练阶段 ①设计可变形区域建议损失函数 区域建议损失函数公式为： 其中，L1{sj}，{bj}为目标与边界框损失函数，j＝1,2，…256，sj表示第j个建议框预测为真实标签的概率，为建议框的类别真值，为正样本时为1，为负样本时为0，bj表示预测第j个建议框的边界框回归参数，包含4个位置信息，表示此建议框对应图像中人工标注真实框的边界框回归参数，Ncls＝256，Nreg为筛选建议框数量，设置为2000，λ1设置为0.1，Lcls为二值交叉熵损失函数，表达公式如下： 公式变量命名规则同公式9； Lreg损失函数表达公式如下： 公式变量命名规则同公式9； 公式12为函数，公式变量命名规则同公式9； ②设计电子元器件检测框生成损失函数 电子元器件检测框生成损失函数公式为： L2p，u，du，v＝Lobcp，u+λ2Lregdu，v13 其中L2p，u，du，v为检测网络多任务损失函数，u对应目标真实类别标签，u取值为6，为5类电子元器件和背景，p是分类器预测的概率分布p＝p0，…pk，对应5类电子元器件和背景，k＝1,2，…6，du对应检测框预测器回归预测的对应类别u的回归参数参数含义分别为检测框左上角横坐标dx，纵坐标dy，检测框宽度dw，检测框高度dh，v对应真实目标检测框参数，λ2设置为0.2，检测框损失函数Lreg与区域建议损失函数同公式12，目标分类损失函数Lobc公式为： Lobcp，u＝-logpu14 其中pu代表对应类别预测概率； ③利用损失函数进行可变形卷积电子元器件检测模型训练 对区域建议损失函数与检测网络损失函数求和得到总损失值，通过总损失值与反向传播算法，训练模型，反向传播算法表达公式为： 其中wnew为神经元更新后参数，wold为现有神经元参数，E为总损失值，为总损失值对卷积神经网络所有神经元参数求偏导； ④完成可变形卷积电子元器件检测模型训练 模型训练迭代次数设置为50，训练达到迭代次数后，终止训练，保存最后一次训练的权重参数，完成模型训练； 4可变形卷积电子元器件检测模型预测阶段 完成模型训练后，载入完整模型权重，在线载入印制线路板测试集，输入模型进行预测，得到印制线路板电子元器件检测框，输出带有检测框的印制线路板电子元器件图像，完成检测。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。