一种基于C-YOLOv3的键帽缺陷检测方法（高校公示15天）（不包年费滞纳金）（需要二变）
发明专利本发明公开了一种基于C‑YOLOv3的键帽缺陷检测方法，通过构建C‑YOLOv3网络模型，C‑YOLOv3网络模型包括骨干网络和检测网络，并通过降低C‑YOLOv3网络模型的损失函数Loss进行训练得到键帽表面缺陷检测模型；C‑YOLOv3网络模型通过增加多尺度注意力机制残差块和快速金字塔池化残差块来改进darknet‑53网络，能更有效地提取键帽上小目标缺陷的特征；还通过增加多通道卷积模块改善了对小目标缺陷的检测和定位能力，在提高检测精度的同时极大地加快了检测速度；本发明采用SiLU激活函数，还加入交并比，在缓解了深度神经网络梯度消失的问题，降低了缺陷的漏检率的同时提高了检测精度。
《一种基于C-YOLOv3的键帽缺陷检测方法（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 2023116645621，当前法律状态为已下证，由桂林电子科技大学提出申请，发明人为熊太平;朱治国;汪庭浩，申请日期为2023-12-06，公开（公告）日期为2025-06-17，国际专利分类号（IPC）为 G06T 7/00 (2017.01)，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：本发明公开了一种基于C‑YOLOv3的键帽缺陷检测方法，通过构建C‑YOLOv3网络模型，C‑YOLOv3网络模型包括骨干网络和检测网络，并通过降低C‑YOLOv3网络模型的损失函数Loss进行训练得到键帽表面缺陷检测模型；C‑YOLOv3网络模型通过增加多尺度注意力机制残差块和快速金字塔池化残差块来改进darknet‑53网络，能更有效地提取键帽上小目标缺陷的特征；还通过增加多通道卷积模块改善了对小目标缺陷的检测和定位能力，在提高检测精度的同时极大地加快了检测速度；本发明采用SiLU激活函数，还加入交并比，在缓解了深度神经网络梯度消失的问题，降低了缺陷的漏检率的同时提高了检测精度。
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！
