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！

龙图腾网获悉天津工业大学申请的专利一种基于ICW-YOLO的轻量级高效仓储物流环境目标检测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：CN121095548B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511249212.8，技术领域涉及：G06V10/25；该发明授权一种基于ICW-YOLO的轻量级高效仓储物流环境目标检测方法是由宗广灯;乔超前;赵昊;王天响;张璐;陈海洋设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种基于ICW-YOLO的轻量级高效仓储物流环境目标检测方法在说明书摘要公布了：本发明公开了一种基于ICW‑YOLO的轻量级高效仓储物流环境目标检测方法，属于计算机视觉技术领域，旨在应对仓储物流环境中存在的光照不均、相邻物体之间高密度重叠、遮挡、物体模糊以及在图像中比例较小所带来的检测难题。本发明在YOLOv8模型结构基础上，将倒置残差移动模块iRMB与注意力机制EMA深度融合，引入了一种改进的高效多尺度注意力机制模块iEMA，以鲁棒地捕获多尺度目标特征；设计了一种CSPE模块，保证在有限的运算次数内自适应地优先考虑最重要的信息通道；将原有的CIoU损失替换为包含辅助框标度和非单调聚焦策略的InnerWIoU回归损失，细化小目标和遮挡目标的定位。

本发明授权一种基于ICW-YOLO的轻量级高效仓储物流环境目标检测方法在权利要求书中公布了：1.一种基于ICW-YOLO的轻量级高效仓储物流环境目标检测方法，其特征在于，包括如下步骤： S1、仓储物流环境数据集的获取； 通过公共数据集平台、物流园区实地采集方式，获取仓储物流场景的目标图像数据，构建适用于仓储物流目标检测任务的数据集；通过标注工具对仓储物流目标进行精确标注，确保数据质量并提升检测模型对复杂仓储环境的适应性； S2、图像的预处理与增强； 对获取的货物及设备图像进行尺寸统一化、亮度与对比度自适应调整、噪声抑制与增强预处理操作；利用数据增强方式扩充训练样本，包括随机水平垂直翻转、货物堆叠模拟拼接、多尺度动态缩放技术，提升模型对高密度重叠、严重遮挡及复杂光照条件的鲁棒性与泛化能力； S3、配置需要的训练环境； 基于深度学习框架构建目标检测模型的训练环境，配置操作系统、GPU加速硬件，同时设置训练超参数； S4、对YOLOv8算法模型结构进行改进，得到ICW-YOLO目标检测模型； 首先，引入一种iEMA模块，该模块由iRMB模块与EMA模块融合构成，并将iEMA嵌入到原始的C2f结构中，形成增强的i-C2f块；在颈部网络中，使用所述i-C2f块替换部分C2f单元，以提升多尺度特征融合能力；其次，设计一种CSPE模块，通过挤压与激励机制计算通道的重要性权重，并采用阈值掩码动态选择关键通道进行卷积，其他通道则保持不变，在有限计算资源下自适应优化特征提取效率；最后，将原有的CIoU损失函数替换为InnerWIoU回归损失，通过生成辅助框调整预测框与真实框的匹配关系，使高质量样本获得更强的梯度信号；同时，引入非单调动态聚焦策略，基于样本难度自适应调整损失权重，优化模型训练稳定性；所述的ICW-YOLO目标检测模型结构，具体拓扑连接如下： ICW-YOLO目标检测模型结构由三部分串联组成：骨干网络、颈部网络以及头部网络；首先是骨干部分，输入依次经过卷积、卷积、C2f、卷积、CSPE、卷积、C2f、卷积、CSPE、SPPF共十层；然后是颈部部分，骨干部分的输出在颈部依次经过上采样、拼接、i-C2f、上采样、拼接、i-C2f、卷积、拼接、CSPE、卷积、拼接、C2f共十二层；颈部部分存在不同阶段的特征图融合，骨干部分第五层的CSPE层作为颈部第四层上采样层的额外输入，骨干部分第七层的C2f层作为颈部第二层拼接层的额外输入，骨干部分的第十层SPPF层作为颈部第一层上采样层和十一层拼接层的额外输入，颈部的第三层i-C2f层分别作为颈部第八层拼接层的额外输入；最后将颈部的第六层、第九层、第十二层分别输入到检测头中，构成了ICW-YOLO的头部； 其中，所述的CSPE模块包括SE通道注意力子模块、动态阈值掩码及PConv单元；输入特征图首先进入SE通道注意力子模块，在此模块中，通过全局平均池化操作压缩空间维度，获取通道维度的统计信息；随后，经由两个全连接层，第一个全连接层降低维度以减少计算量，第二个全连接层恢复维度，最终生成通道重要性权重；基于SE模块生成的通道重要性权重，设定动态阈值生成二进制掩码，该掩码依据通道重要性动态筛选关键通道，对重要性高于阈值的通道，后续进行3*3卷积处理；对重要性低于阈值的通道，则直接保留原始特征；接着将卷积结果与保留通道特征沿通道轴拼接，经组归一化与ReLU激活函数处理后输出，提升模型训练稳定性和模型的非线性表达能力； S5、训练ICW-YOLO目标检测模型； 将按照步骤S1进行预处理得到的训练集输入到所述ICW-YOLO目标检测模型中进行训练，并在训练的过程中输入验证集，通过测试集验证训练效果，从而获得训练好的ICW-YOLO目标检测模型； S6、将工业存储环境图像输入训练好的ICW-YOLO目标检测模型，得到类别、定位坐标以及置信度信息。

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天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399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。