一种基于YOLOv4模型的挖掘机图像识别方法(高校公示15天)(不包年费滞纳金)(需要二变)
一种基于YOLOv4模型的挖掘机图像识别方法,包括:S1:从电子监控设备中提取监控图片;S2:对所述监控图片中的挖掘机进行标注,形成VOC数据集;S3:将步骤S2中通过标注得到的所述数据集分割为训练数据集和测试数据集;S4:将步骤S3中的训练数据集输入到YOLOv4目标检测算法中,进行训练;S5:对所述训练数据集进行50轮迭代训练,获取五个最优模型;S6:对得到的五个最优模型进行性能分析,得到一个最优目标检测模型;S7:将所述目标检测模型用于识别挖掘机图像。本发明通过机器识别地下电缆处是否存在挖掘机,人工只需对最终结果进行核验,可以大大降低人工工作量,提高监测效率,而且能够有效的监管地下电缆安全。
《一种基于YOLOv4模型的挖掘机图像识别方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 202011526693X,当前法律状态为已下证,由浙江工业大学提出申请,发明人为孔祥杰;王辉;夏锋;沈国江;倪琦超;侯明良,申请日期为2020-12-22,公开(公告)日期为2024-02-13,国际专利分类号(IPC)为 G06V 20/52 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:一种基于YOLOv4模型的挖掘机图像识别方法,包括:S1:从电子监控设备中提取监控图片;S2:对所述监控图片中的挖掘机进行标注,形成VOC数据集;S3:将步骤S2中通过标注得到的所述数据集分割为训练数据集和测试数据集;S4:将步骤S3中的训练数据集输入到YOLOv4目标检测算法中,进行训练;S5:对所述训练数据集进行50轮迭代训练,获取五个最优模型;S6:对得到的五个最优模型进行性能分析,得到一个最优目标检测模型;S7:将所述目标检测模型用于识别挖掘机图像。本发明通过机器识别地下电缆处是否存在挖掘机,人工只需对最终结果进行核验,可以大大降低人工工作量,提高监测效率,而且能够有效的监管地下电缆安全。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
