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！

龙图腾网获悉广东电网有限责任公司广州供电局申请的专利一种基于YOLOv5优化模型的安全帽检测方法、装置和介质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：CN117058517B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310953816.5，技术领域涉及：G06V10/82；该发明授权一种基于YOLOv5优化模型的安全帽检测方法、装置和介质是由林翔;方健;田妍;张敏;杨帆设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于YOLOv5优化模型的安全帽检测方法、装置和介质在说明书摘要公布了：本申请涉及一种基于YOLOv5优化模型的安全帽检测方法、装置和介质，其中，基于YOLOv5优化模型的安全帽检测方法包括：通过获取安全帽检测图像；将所述安全帽检测图像作为训练样本输入至YOLOv5优化模型中进行训练，得到安全帽检测模型；其中，所述YOLOv5的主干结构、颈部结构以及头部结构；所述主干结构包括多个CBS模块、多个SwinT模块，各所述SwinT模块用于将所述安全帽检测图像经过各CBS模块处理后输出的第二特征图进行层次化特征提取；将工作场景中采集的员工图像输入至所述安全帽检测模型，获得安全帽检测结果。解决了相关技术中现有YOLOv5算法对小目标检测准确率不高的问题，提高了电力相关工作场景中检测员工是否佩戴安全帽的准确率。

本发明授权一种基于YOLOv5优化模型的安全帽检测方法、装置和介质在权利要求书中公布了：1.一种基于YOLOv5优化模型的安全帽检测方法，其特征在于，所述方法包括： 获取安全帽检测图像； 将所述安全帽检测图像作为训练样本输入至YOLOv5优化模型中进行训练，得到安全帽检测模型；其中，所述YOLOv5优化模型包括依次连接的主干结构、颈部结构以及头部结构；所述主干结构用于对所述安全帽检测图像进行特征提取以得到第一特征图，其中，所述主干结构包括多个CBS模块、多个SwinT模块，各所述SwinT模块用于将所述安全帽检测图像经过各所述CBS模块处理后输出的第二特征图进行层次化特征提取；所述颈部结构用于对所述第一特征图进行多尺度特征融合获得第三特征图，所述头部结构用于基于所述第三特征图进行预测以获得检测结果；其中： 所述多个SwinT模块包括第一SwinT模块、第二SwinT模块、第三SwinT模块以及第四SwinT模块，所述主干结构还包括SE模块，所述SE模块连接在所述第三SwinT模块的输出端，所述SE模块具体用于：将所述安全帽检测图像经过所述第三SwinT模块处理后输出的第六特征图进行全局平均池化操作，输出一维向量；基于所述一维向量，通过由两个全连接层组成的激发层计算权重值；将所述权重值乘以所述第六特征图的像素值，获得输出结果； 所述主干结构还包括卷积块注意力模块，所述卷积块注意力模块连接在所述第四SwinT模块的输出端，所述卷积块注意力模块包括空间注意模块和信道注意模块；所述信道注意模块用于自适应地校正所述安全帽检测图像经过所述第四SwinT模块处理后输出的第七特征图以产生第八特征图，所述空间注意模块用于校正所述第八特征图以输出第九特征图； 所述信道注意模块用于自适应地校正所述安全帽检测图像经过所述第四SwinT模块处理后输出的第七特征图以产生第八特征图，所述空间注意模块用于校正所述第八特征图以输出第九特征图的计算方式如下： 其中为进行卷积运算；F表示第七特征图，F’表示第八特征图；F’’表示第九特征图； FmaxC是信道最大池化特征图；MLP为多层感知机；MaxPool是最大池化函数；FavgC是信道平 均池化特征图；AvePool是平均池化函数；是Sigmoid激活函数；f是标准卷积层；WC 和WS分别是信道注意权重和空间注意权重； 将工作场景中采集的员工图像输入至所述安全帽检测模型，获得安全帽检测结果。

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广东电网有限责任公司广州供电局，其通讯地址为：510620 广东省广州市天河区天河南二路2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”。

以上内容由龙图腾AI智能生成。