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！

龙图腾网获悉佛山科学技术学院申请的专利基于YOLOv5s模型的可变数据印刷缺陷检测方法及系统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：CN117274176B 。

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：202311161707.6，技术领域涉及：G06T7/00；该发明授权基于YOLOv5s模型的可变数据印刷缺陷检测方法及系统是由刘杰;刘振泳;蔡泽龙;李志聪;茹家荣;林显信;黄成锵设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本基于YOLOv5s模型的可变数据印刷缺陷检测方法及系统在说明书摘要公布了：本申请适用于工业检测的技术领域，提供了一种基于YOLOv5s模型的可变数据印刷缺陷检测方法及系统，其方法包括基于预设的相机，获取待检测印刷品的待检测图像；输入待检测图像至预先训练得到的改进YOLOv5s模型中，生成特征检测图像；根据特征检测图像确定待检测印刷品是否存在印刷缺陷。本申请能够高效且精准地确定待检测印刷品中可能存在的印刷缺陷，检测效率远高于人工检测且能够适应不同种类印刷品的检测，以及不同的背景下的检测，具有更好的鲁棒性与泛化性，能够及时发现印刷品质有问题的产品，避免流入市场对企业形象造成影响，保护消费者权益，以及提高消费者购买或使用产品的体验感。

本发明授权基于YOLOv5s模型的可变数据印刷缺陷检测方法及系统在权利要求书中公布了：1.一种基于YOLOv5s模型的可变数据印刷缺陷检测方法，其特征在于，所述方法包括： 基于预设的相机，获取待检测印刷品的待检测图像； 输入所述待检测图像至预先训练得到的改进YOLOv5s模型中，生成特征检测图像； 根据所述特征检测图像确定所述待检测印刷品是否存在印刷缺陷； 其中，在所述输入所述待检测图像至预先训练得到的改进YOLOv5s模型中，生成特征检测图像之前，所述方法还包括： 基于初始YOLOv5s模型、双向多尺度特征融合网络结构和CA注意力机制，构建所述改进YOLOv5s模型，其中，所述初始YOLOv5s模型包括主干特征提取网络和加强特征提取网络； 其中，所述基于初始YOLOv5s模型、双向多尺度特征融合网络结构和CA注意力机制，构建所述改进YOLOv5s模型，包括： 获取初始YOLOv5s模型； 针对所述初始YOLOv5s模型中的加强特征提取网络：使用双向多尺度特征融合网络结构替换所述加强特征提取网络的特征金字塔结构，生成第一优化YOLOv5s模型； 在所述第一优化YOLOv5s模型对应的主干特征提取网络中嵌入CA注意力机制，生成改进YOLOv5s模型，其中，所述改进YOLOv5s模型对应的主干特征提取网络按照从浅层到深层的顺序，依次连接CBS模块、CBS模块、C3模块、CA模块、CBS模块、C3模块、CA模块、CBS模块、C3模块、CA模块、CBS模块、C3模块、SPFF模块和CA模块； 其中，所述CBS模块由卷积层、批规范化层和激活函数层组成；所述C3模块由主路和分路组成，所述主路包括BottleNeck模块，所述分路不包括BottleNeck模块，所述激活函数层所采用的SiLU激活函数为： ， 式中，为待检测图像，为预设的S型生长曲线函数，为预设的常数；所述在所述第一优化YOLOv5s模型对应的主干特征提取网络中嵌入CA注意力机制，生成改进YOLOv5s模型，包括： 将输入特征x分别输入到所述主路中的CBS模块和所述分路中的CBS模块，在两个CBS模块均进行卷积操作后，所述主路和所述分路均生成输出特征y1； 将所述主路中的输出特征y1输入至预设的所述BottleNeck模块中，生成输出特征y4； 将所述分路生成的所述输出特征y1与所述输出特征y4进行拼接处理，生成输出特征y5； 将所述输出特征y5输入至CBS模块，在CBS模块进行卷积操作后，生成输出特征y6； 其中，所述BottleNeck模块包括残差旁路，所述残差旁路的逻辑属性为True或False；所述将所述主路中的输出特征y1输入至预设的所述BottleNeck模块中，生成输出特征y4，包括： 当所述残差旁路的逻辑属性为True时，将所述主路中的输出特征y1输入至CBS模块，生成输出特征y2，并将所述输出特征y1输入至所述残差旁路； 将所述输出特征y2输入至CBS模块，生成输出特征y3； 将所述输出特征y3与所述残差旁路中的输出特征y1进行堆叠，生成输出特征y4； 当所述残差旁路的逻辑属性为False时，将所述主路中的输出特征y1输入至CBS模块，生成输出特征y2； 将所述输出特征y2输入至CBS模块，生成输出特征y3； 将所述输出特征y3确定为输出特征y4。

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佛山科学技术学院，其通讯地址为：528200 广东省佛山市南海区广云路33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。