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！

龙图腾网恭喜安徽大学申请的专利一种基于目标检测的构件预埋件的图像识别与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：CN119672717B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510195361.4，技术领域涉及：G06V20/70；该发明授权一种基于目标检测的构件预埋件的图像识别与定位方法是由许可;周思宇;徐佳;王华彬;琚川徽;李学俊设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种基于目标检测的构件预埋件的图像识别与定位方法在说明书摘要公布了：本发明提供一种基于目标检测的构件预埋件的图像识别与定位方法，对YOLOV8深度学习网络模型进行改进，在Backbone网络中添加CBAM注意力机制模块，并将SPPF模块替换为Improve_SPPF模块；在Neck网络中将Conv模块替换成GSConv模块；在Head网络中对边界框回归损失函数进行优化；利用改进的YOLOV8深度学习网络模型对预制构件的平面图像数据集进行预埋件的识别与定位，并利用二维码像素尺寸标定技术标定预埋件中心位置的实际坐标。本发明利用上述改进有效提高了对预制构件中线盒及预埋管等预埋件的识别效率和精度，并实现对预埋件的精准定位。

本发明授权一种基于目标检测的构件预埋件的图像识别与定位方法在权利要求书中公布了：1.基于目标检测的构件预埋件的图像识别与定位方法，其特征在于，包括以下步骤：S1、采集预制构件的平面图像并对其进行数据增强处理及预埋件标注，构建得到平面图像数据集；S2、构建改进的YOLOV8深度学习网络模型：基于YOLOV8深度学习网络模型，在Backbone网络中添加CBAM注意力机制模块，并将SPPF模块替换为Improve_SPPF模块；在Neck网络中将Conv模块替换成GSConv模块；在Head网络中对边界框回归损失函数进行优化；S3、采用改进的YOLOV8深度学习网络模型对平面图像数据集进行检测，识别出预制构件中预埋件的类别和中心位置的像素坐标，具体通过以下步骤实现：S31、以平面图像数据集作为输入特征图，在Backbone网络中通过Conv层、C2f模块、CBAM注意力机制模块以及Improve_SPPF模块对输入特征图进行图像特征提取；S311、首先使用两个Conv层依次对特征图进行卷积下采样处理后输入到C2f模块；S312、在所述C2f模块内，将输入的特征图在通道维度上平均拆分为两个部分，一部分通过若干个Bottleneck模块进行卷积、归一化和激活操作处理后与另一部分进行拼接，然后在Conv层经过一次卷积处理，将拼接后的特征图恢复到原始维度后输出；所述C2f模块的处理过程通过以下公式（1）表示： （1）；公式（1）中：表示C2f模块的输入；表示C2f模块的输出；表示Bottleneck模块；表示Bottleneck模块的数量；表示卷积层；表示在通道维度上做拼接操作；S313、顺次重复使用一个Conv层和一个C2f模块的组合结构共三次，将输出的特征图输入到CBAM注意力机制模块进行处理；所述CBAM注意力机制模块包含空间注意力机制和通道注意力机制，所述CBAM注意力机制模块的具体处理过程通过如下公式（2）-（3）表示： （2）； （3）；其中： （4）； （5）；公式（2）-（5）中：为输入的特征图；表示通道注意力权重矩阵；表示叉乘操作；表示通道注意力机制的输出；表示空间注意力权重矩阵；表示空间注意力机制的输出；表示平均池化操作；表示最大池化操作；为的简写；为的简写；表示多层感知机；表示激活函数；和表示的权重；表示拼接操作；表示滤波器为的卷积运算；为的简写；为的简写；S314、将CBAM注意力机制模块处理后的特征图输入到Improve_SPPF模块进行处理；所述Improve_SPPF模块结合了平均池化方法和最大池化方法对输入的特征图进行处理，所述Improve_SPPF模块的具体处理过程通过如下公式（6）表示： （6）；其中： （7）； （8）； （9）； （10）；公式（6）-（10）中：表示输出；表示卷积操作；表示拼接操作；表示输入；表示经过卷积操作之后的输出；表示平均池化操作；表示最大池化操作；表示对进行一次平均池化操作和最大池化操作后的输出；表示对进行两次平均池化操作和最大池化操作后的输出；表示对进行三次平均池化操作和最大池化操作后的输出；S32、将Backbone网络提取得到的特征图作为Neck网络的输入，通过Upsample层、Concat层、C2f模块、GSConv模块进行特征融合，增强特征图的特征表示能力；S33、将Neck网络融合得到的特征图作为Head网络的输入，通过Detect层识别预埋件的类别和中心位置的像素坐标；S4、利用二维码像素尺寸标定技术将预埋件中心位置的像素坐标转化为实际坐标。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。