一种融合坐标注意力机制和改进组合卷积的YOLOv4识别方法
发明专利一种融合坐标注意力机制和组合卷积的YOLOv4识别方法,基于YOLOv4模型进行识别，选用GhostNet特征提取网络代替CSPDarkNet53作为YOLOv4骨干网络，采用通过少量计算生成大量特征图的结构，使用更低成本计算量获取特征层中冗余信息，减少模型参数量和计算量；引入坐标注意力机制增强对目标细粒性特征的提取；设计改进组合卷积模块节省计算能力，防止有效特征丢失，提高识别精度。改进YOLOv4模型对果实的识别准确率可达99.23%，可满足自然环境下果实识别精度与速度的需求，为采摘机器人快速精准作业提供保障。
《一种融合坐标注意力机制和改进组合卷积的YOLOv4识别方法》是一发明专利，专利号为 2022108646083，当前法律状态为已下证，由河南科技大学提出申请，发明人为张伏;曹炜桦;付三玲;王顺青;崔夏华;王新月;张亚坤;杨宁;张晓东;潘孝青，申请日期为2022-07-21，公开（公告）日期为2026-02-13，国际专利分类号（IPC）为 G06V 20/68 (2022.01)，高新资质：未报高企，所属技术领域包括：（采摘机器人）。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：一种融合坐标注意力机制和组合卷积的YOLOv4识别方法,基于YOLOv4模型进行识别，选用GhostNet特征提取网络代替CSPDarkNet53作为YOLOv4骨干网络，采用通过少量计算生成大量特征图的结构，使用更低成本计算量获取特征层中冗余信息，减少模型参数量和计算量；引入坐标注意力机制增强对目标细粒性特征的提取；设计改进组合卷积模块节省计算能力，防止有效特征丢失，提高识别精度。改进YOLOv4模型对果实的识别准确率可达99.23%，可满足自然环境下果实识别精度与速度的需求，为采摘机器人快速精准作业提供保障。
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！
