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！

龙图腾网获悉国网上海市电力公司申请的专利一种电子元器件识别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：CN117058454B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202311032689.1，技术领域涉及：G06V10/764；该发明授权一种电子元器件识别方法是由姜黛琳;张德兰;许鹏程;徐千茹;陈京;卞敏捷;刘嘉玮;高亦沁;林新华;文敏华;韦建文;王一超设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本一种电子元器件识别方法在说明书摘要公布了：本发明公开了一种电子元器件识别方法，包括：建立基于改进注意力机制和YOLOv3的神经网络模型；其中，所述神经网络模型包括：YOLOv3模型的Darknet‑53网络，注意力机制，YOLOv3模型的特征融合模块和YOLOv3模型的输出模块；对待识别的图像进行预处理，得到具有统一尺寸的RGB图像；将RGB图像构建成元组的形式输入到所述神经网络模型中，采用Darknet‑53网络对接收到的RGB图像进行图像特征提取，得到预设倍降采样的特征；将所述预设倍降采样的特征输入至所述注意力机制中，经注意模块学习后得到注意图；将所述注意图输入至所述特征融合模块中，经过特征融合之后得到不同的最终特征图；根据最终特征图得到并输出最后的分类结果。本发明能在兼顾识别准确率和速度的情况下，识别电子元器件。

本发明授权一种电子元器件识别方法在权利要求书中公布了：1.一种电子元器件识别方法，其特征在于，包括： 步骤S1、建立基于改进注意力机制和YOLOv3的神经网络模型；其中，所述神经网络模型包括：YOLOv3模型的Darknet-53网络，AM注意力机制模块，YOLOv3模型的特征融合模块和YOLOv3模型的输出模块； 步骤S2、对测试数据集中的图像进行预处理，得到具有统一尺寸的RGB图像； 步骤S3、将RGB图像构建成元组的形式输入到所述神经网络模型中，采用Darknet-53网络对接收到的RGB图像进行图像特征提取，得到预设倍降采样的特征； 步骤S4、将所述预设倍降采样的特征输入至所述AM注意力机制模块中，经AM注意力机制模块学习后得到注意图； 所述AM注意力机制模块的数量为三个，记为第一AM注意力机制模块，第二AM注意力机制模块和第三AM注意力机制模块； 其中，所述第一AM注意力机制模块与所述Darknet-53网络中的第一Res_8模块的输出端连接； 所述第一AM注意力机制模块用于对8倍降采样的特征进行图像特征提取，学习更多图像中最关键的区域； 其中，通过所述第一AM注意力机制模块中的空间注意力分支来改善关键区域的特征表达，通过全局注意力分支使用全局上下文信息重新校准，得到第一注意图； 所述第二AM注意力机制模块与所述Darknet-53网络中的第二Res_8模块的输出端连接； 所述第二AM注意力机制模块用于对16倍降采样的特征进行图像特征提取，学习更多图像中最关键的区域； 其中，通过所述第二AM注意力机制模块中的空间注意力分支来改善关键区域的特征表达，通过全局注意力分支使用全局上下文信息重新校准，得到第二注意图； 所述第三AM注意力机制模块与所述Darknet-53网络中的Res_4模块的输出端连接； 所述第三AM注意力机制模块用于对32倍降采样的特征进行图像特征提取，学习更多图像中最关键的区域； 其中，通过所述第三AM注意力机制模块中的空间注意力分支来改善关键区域的特征表达，通过全局注意力分支使用全局上下文信息重新校准，得到第三注意图； 每一所述AM注意力机制模块包括：空间注意力分支和全局注意力分支； ；式中，AF表示注意图，为sigmoid激活函数；ASF表示空间注意分支注意矩阵；AGF表示全局注意分支注意矩阵； ；其中，BN表示批归一化操作，conv表示卷积操作； ；其中，表示卷积运算，它使用线性转换矩阵；LN为层归一化；ReLU表示ReLU函数； ；其中，表示特征向量中的位置数，表示位置索引j对应的特征，表示卷积运算；表示对应的特征向量矩阵，q表示特征向量；p表示不同输入的特征向量数； 计算输出特征集F＇: ；其中，表示按元素的乘法，F表示输入特征集； 步骤S5、将所述注意图输入至所述特征融合模块中，经过特征融合之后得到不同的最终特征图；根据最终特征图得到最后的分类结果； 所述步骤S5包括对所述第三注意图进行五次卷积操作后，一部分的特征用于输入到所述YOLOv3模型的输出模块中获得第一预测结果，另一部分用于上采样与所述第二注意图进行结合； 所述第二注意图与第三注意图经过五次卷积操作后获得的输出进行拼接，处理完后，将一部分拼接结果输入至YOLOv3模型的输出模块中获得第二预测结果； 另一部分用于进行上采样后与第一注意图进行结合；将经过结合后的第一注意图进行五次卷积操作处理，输入至YOLOv3模型的输出模块中获得第三预测结果； 步骤S6、YOLOv3模型的输出模块输出分类结果。

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国网上海市电力公司，其通讯地址为：200122 上海市浦东新区源深路1122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。