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！

龙图腾网获悉浙江理工大学申请的专利一种基于改进YOLOV5模型的纸质药盒钢印字符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：CN116486228B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310351717.X，技术领域涉及：G06V10/82；该发明授权一种基于改进YOLOV5模型的纸质药盒钢印字符识别方法是由王俊茹;黄杨乐天;刘宜胜;向忠设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于改进YOLOV5模型的纸质药盒钢印字符识别方法在说明书摘要公布了：本发明公开了一种基于改进YOLOV5模型的纸质药盒钢印字符的识别方法，方法包括：使用图像采集设备采集药盒的钢印字符图像；对图像进行图像增强等预处理并且对识别区域打上标签；输入至改进的YOLOV5模型中进行训练，得到训练完成的YOLOV5模型；改进的YOLOV5模型包括：在YOLOV5的骨干网络中添加高效位置注意力机制CACoordinateattention使得模型网络能够关注大范围的位置信息又不会带来过多的计算量，有助于模型性能提升以及更好地定位和识别目标；用SimSPPF替换SPPF快速池化层，提升训练速度；针对密集的小目标，在模型内额外使用了一个更小的先验框并且相应的增加了一个更小的检测头；将待识别的数据集输入处理，得到最终的预测结果。

本发明授权一种基于改进YOLOV5模型的纸质药盒钢印字符识别方法在权利要求书中公布了：1.一种基于改进YOLOV5模型的纸质药盒钢印字符识别方法，其特征在于，包括如下步骤： S1、使用相机获取清晰以及模糊纸质药盒的钢印字符图像，经过图像增强扩充图像后，对其进行人工标注类别制作成YOLO格式的数据集； S2、按照比例将所述数据集划分为验证集、训练集和测试集； S3、根据实际运行的计算机内存、显卡和显存的配置信息对参数batch_size、workers和Epoch进行设置； S4、载入预训练模型，随机初始化网络权重，将数据集输入至改进的YOLOV5模型中进行训练；YOLOV5模型包括以下改进方法： a.在快速池化层前加入CA位置注意力机制模块，通过这个模块将输入特征图分为两个方向，沿一方向提取特征，同时沿另一方向保留位置信息，分别进行全局平均池化，然后将两个方向获得的特征图进行编码，公式如下所示： 其中ZC是C通道相关联的输出，H、W是输入图像的高和宽； b.快速池化层用速度更快的SimSPPF代替SPPF，将SiLU激活函数替换成ReLU激活函数； c.针对小目标检测，添加一个更小的预测框:[5,6,8,14,15,11]，相应的在Head网络中增加了一个更小的检测头；在原先Neck网络继续进行一次上采样处理，使特征图继续扩大；并将得到的特征图与Backbone网络中特征图融合，用于小目标检测； S5、所述YOLOV5模型由Backbone网络、Neck网络、Head网络组成；所述Backbone网络对所述数据集进行特征提取，所述Neck网络双塔结构采样进一步提取特征，所述Head网络利用提取的特征通过网格的anchor的不同尺寸的特征上进行目标预测； S6、网络训练一轮得到的训练预测图对先验框进行调整得到预测框，再和目标的真实框计算IoU，表示预测框和真实框的交并比，根据目标回归函数CIoU得到的定位损失，然后将分类损失、置信度损失、定位损失加权获得网络的总损失； S7、将损失反向传播至改进的YOLOV5模型中，依靠SGD随机梯度下降法更新网络权重参数，获得新的权重模型； S8、经过S3中设定的Epoch值，重复步骤S4-S7，每一轮更新的网络模型参数，作为下一轮的预训练模型开始新一轮训练；根据每一轮获得的指标信息；最终得到一个设定训练轮数内的最佳模型； S9、将测试集中的待测图像输入至步骤S8的最佳模型中训练，输出所得的预测框，根据NMS极大值抑制，依据每个类别的标签对所有预测框进行分组，并将组中的置信度对其进行从大到小的排序，获得得分最高的矩形框，然后遍历剩余的矩形框并计算与得分最高的矩形框的交集与并集的比值，如果大于预设阈值，则将其移除，然后对剩余的检测框不断进行上述操作，直至得到最终的预测框，实现药盒钢印字符的识别；得到最终的预测框，实现药盒钢印字符的识别。

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浙江理工大学，其通讯地址为：310000 浙江省杭州市江干区杭州经济开发区白杨街道；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。