買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉鞍鋼集團礦業(yè)有限公司申請的專利基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115688909B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211331071.0，技術(shù)領(lǐng)域涉及：G06N3/082；該發(fā)明授權(quán)基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法是由馬連成;孫效玉;劉興全;李忠華;胡振濤;段金剛;江海志設(shè)計研發(fā)完成，并于2022-10-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法在說明書摘要公布了：本發(fā)明涉及一種基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法，包括以下步驟：S1：構(gòu)建露天礦卡車司機圖片數(shù)據(jù)庫；S2：對露天礦卡車司機圖片數(shù)據(jù)庫中的司機駕駛行為圖片進行分類標(biāo)定，構(gòu)建訓(xùn)練集；S3：構(gòu)建露天礦卡車司機駕駛行為檢測模型；S4：基于訓(xùn)練集并利用優(yōu)化迭代算法及OpenVino工具對露天礦卡車司機駕駛行為檢測模型進行輕量級優(yōu)化訓(xùn)練；S5：獲取待檢卡車司機實時駕駛視頻，并送入檢測模型進行檢測，獲取露天礦卡車司機的違規(guī)駕駛行為類型，并對違規(guī)駕駛行為進行語音及文字預(yù)警。采用本發(fā)明能得到的人臉實時目標(biāo)檢測模型體積壓縮比高，模型物理空間與運算占用內(nèi)存少，推理速度快，精度高，使用簡單，維護方便。

本發(fā)明授權(quán)基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法在權(quán)利要求書中公布了：1.一種基于OpenVino的露天礦卡車司機駕駛行為檢測模型輕量優(yōu)化方法，其特征在于，包括以下步驟： S1：構(gòu)建露天礦卡車司機圖片數(shù)據(jù)庫； S2：對露天礦卡車司機圖片數(shù)據(jù)庫中的司機駕駛行為圖片進行分類標(biāo)定，構(gòu)建訓(xùn)練集； 所述的步驟S2的具體步驟包括： S2.1：獲取露天礦卡車司機駕駛行為類型； S2.2：基于露天礦卡車司機駕駛行為類型對露天礦卡車司機駕駛圖片進行標(biāo)定，并將標(biāo)定后帶標(biāo)簽的圖片設(shè)置為訓(xùn)練集； S2.3：對訓(xùn)練集進行Mosaic數(shù)據(jù)增強，對圖片進行隨機的添加噪點、裁剪、翻轉(zhuǎn)、旋轉(zhuǎn)、縮放、平移和亮度、對比度、飽和度調(diào)節(jié)及顏色增強；S3：構(gòu)建露天礦卡車司機駕駛行為檢測模型； S4：基于訓(xùn)練集并利用引入動量加速模型訓(xùn)練的優(yōu)化迭代算法及提供進行模型剪枝、合并、量化操作環(huán)境的OpenVino工具對露天礦卡車司機駕駛行為檢測模型進行輕量級優(yōu)化訓(xùn)練； 所述的步驟S4中基于訓(xùn)練集并利用改進的引入動量加速模型訓(xùn)練的優(yōu)化迭代算法及提供進行模型剪枝、合并、量化操作環(huán)境的OpenVino工具對露天礦卡車司機駕駛行為檢測模型進行輕量級優(yōu)化訓(xùn)練，具體包括： S4.1：將圖片數(shù)據(jù)庫卷積神經(jīng)模型送入露天礦卡車司機駕駛行為檢測模型；S4.2：采用改進的引入動量加速模型訓(xùn)練的優(yōu)化迭代算法，torch.optim.SGDM算法對卷積神經(jīng)模型權(quán)重進行隨機梯度下降優(yōu)化： torch.optim.SGDM算法公式： θ＝θ-Δθ·Momentum-η·▽θJθ 其中，Momentum∈[0,1為動量，η是學(xué)習(xí)步長表示權(quán)重θ更新的幅度大小，▽θJθ是權(quán)重梯度表示權(quán)重更新的方向，Δθ為模型權(quán)重θ每次迭代的更新量； S4.3：采用損失函數(shù)對Yolo-V5卷積神經(jīng)網(wǎng)絡(luò)模型進行評價，并根據(jù)評價結(jié)果調(diào)整參數(shù),得到優(yōu)化的Yolo-V5卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型； S4.4：將經(jīng)過優(yōu)化的Yolo-V5卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型權(quán)重.pt格式轉(zhuǎn)換為ONNX格式，輸入OpenVino環(huán)境； S4.5：在OpenVino環(huán)境對優(yōu)化的Yolo-V5卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練露天礦卡車司機駕駛行為檢測模型進行冗余網(wǎng)絡(luò)層剪枝合并，剪枝優(yōu)化的Yolo-V5卷積神經(jīng)模型網(wǎng)絡(luò)模型網(wǎng)絡(luò)最后一層Detect輸出層中的Dropout操作，合并模型Conv卷積層、BNBatchNormalization批歸一化層、ReLU激活函數(shù)； S4.6：將優(yōu)化的Yolo-V5卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型從FP32到FP16量化，壓縮模型體積，量化公式： 其中，為取整到臨近的整數(shù)，clamp函數(shù)公式： clampinput,input_low,input_high＝minmaxinput,input_low,input_high 其中，input_low為可調(diào)參數(shù)； S5：獲取待檢測露天礦卡車司機實時駕駛視頻，并送入露天礦卡車司機駕駛行為檢測模型進行檢測，獲取露天礦卡車司機的違規(guī)駕駛行為類型，并對違規(guī)駕駛行為進行語音及文字預(yù)警。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人鞍鋼集團礦業(yè)有限公司，其通訊地址為：114001 遼寧省鞍山市鐵東區(qū)二一九路39號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。