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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南通理工學(xué)院申請的專利一種重大工程臨邊洞口墜落風(fēng)險偵測方法及系統(tǒng)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：CN120279492B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26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：202510742583.3，技術(shù)領(lǐng)域涉及：G06V20/52；該發(fā)明授權(quán)一種重大工程臨邊洞口墜落風(fēng)險偵測方法及系統(tǒng)是由張永成;吳子怡;范神洲;王焱;車海潮;范欽滿;劉振寰;羅清設(shè)計研發(fā)完成，并于2025-06-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種重大工程臨邊洞口墜落風(fēng)險偵測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種重大工程臨邊洞口墜落風(fēng)險偵測方法及系統(tǒng)，屬于墜落安全監(jiān)測領(lǐng)域，所述方法包括采集工程現(xiàn)場臨邊危險信息，建立數(shù)據(jù)集，將工程現(xiàn)場視頻監(jiān)控數(shù)據(jù)轉(zhuǎn)化為圖片幀并標(biāo)注處理。構(gòu)建yolov8改進(jìn)模型，對安全設(shè)備數(shù)據(jù)集信息進(jìn)行檢測；將防護(hù)裝置數(shù)據(jù)集送入FastR?CNN中訓(xùn)練，得到防護(hù)裝置檢測模型；構(gòu)建改進(jìn)的ST?GCN模型，將人體骨骼關(guān)節(jié)點(diǎn)信息送入改進(jìn)模型中訓(xùn)練并優(yōu)化超參數(shù)提高模型性能，實(shí)現(xiàn)危險行為的準(zhǔn)確識別。將上述多類臨邊風(fēng)險信息結(jié)果輸入構(gòu)建的多類多源信息融合預(yù)警規(guī)則方法，計算處理后觸發(fā)預(yù)警機(jī)制進(jìn)行可視化報警，本發(fā)明提高了系統(tǒng)的風(fēng)險偵測效果與抗干擾性，適用于重大工程臨邊洞口墜落風(fēng)險管理。

本發(fā)明授權(quán)一種重大工程臨邊洞口墜落風(fēng)險偵測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種重大工程臨邊洞口墜落風(fēng)險偵測方法，其特征在于，包括如下步驟： 定義危險信息，所述危險信息包括安全設(shè)備信息、防護(hù)裝置信息和危險行為信息； 搜集公開的建筑工人監(jiān)控數(shù)據(jù)集，從網(wǎng)絡(luò)上截取危險信息相應(yīng)的視頻數(shù)據(jù)集，將視頻幀化并標(biāo)注處理，得到安全設(shè)備數(shù)據(jù)集、防護(hù)裝置數(shù)據(jù)集和危險行為數(shù)據(jù)集； 在yolov8模型中加入自注意力機(jī)制，建立改進(jìn)的yolov8模型；采用安全設(shè)備數(shù)據(jù)集訓(xùn)練改進(jìn)的yolov8模型，并用SGD算法優(yōu)化改進(jìn)的yolov8模型，得到安全設(shè)備檢測模型； 建立FastR-CNN模型，采用防護(hù)裝置數(shù)據(jù)集訓(xùn)練FastR-CNN模型，得到防護(hù)裝置檢測模型； 采用OpenPose模型從危險行為數(shù)據(jù)集中提取骨骼關(guān)節(jié)點(diǎn)信息； 在ST-GCN模型中加入L2正則化和Dropout，建立改進(jìn)的ST-GCN模型，采用骨骼關(guān)節(jié)點(diǎn)信息訓(xùn)練改進(jìn)的ST-GCN模型，并用TPE算法優(yōu)化改進(jìn)的ST-GCN模型中的超參數(shù)，得到危險行為識別模型； 基于安全設(shè)備檢測模型、防護(hù)裝置檢測模型和危險行為識別模型完成對建筑臨邊危險的偵測，判定危險結(jié)果后，基于多類多源信息融合的預(yù)警規(guī)則方法觸發(fā)預(yù)警警報并將結(jié)果可視化顯示； 所述在yolov8模型中加入自注意力機(jī)制包括： 選擇使用多頭自注意力機(jī)制，通過計算查詢、鍵和值向量之間的相似度來分配權(quán)重，然后對值向量進(jìn)行加權(quán)求和得到輸出，捕獲不同位置之間的依賴關(guān)系； 對于每個頭i,將輸入特征圖X通過線性變換得到查詢矩陣Q i ，鍵矩陣K i ，值矩陣V i ，具體公式如下； 其中是可學(xué)習(xí)的權(quán)重矩陣,其初始化采用隨機(jī)初始化方法，形狀通過輸入特征圖的通道數(shù)和注意力機(jī)制中的鍵、查詢、值的維度決定; 計算注意力權(quán)重矩陣Ai，公式如下： 其中是鍵向量的維度，用于縮放以避免梯度消失問題； 計算注意力輸出O i ： 將所有頭的輸出拼接起來并通過線性變換得到最終的輸出，公式如下： 其中h是頭的數(shù)量，W O 是輸出投影矩陣； 在YOLOv8的主干網(wǎng)絡(luò)中，殘差塊之間加入多頭自注意力模塊并調(diào)整模型結(jié)構(gòu)適應(yīng)新加入的模塊，以增強(qiáng)特征表示，幫助更好的識別多個、遠(yuǎn)距離的安全帽和安全繩以提高檢測精度，完成yolov8模型的改進(jìn)； 所述用SGD算法優(yōu)化改進(jìn)的yolov8模型包括： 假設(shè)模型參數(shù)，訓(xùn)練數(shù)據(jù)集為，損失函數(shù)L，其中是輸入圖像，是對應(yīng)標(biāo)簽； 使用SGD優(yōu)化器，設(shè)定學(xué)習(xí)率為，動量為； 每個epoch，對于每個：通過前向傳播計算預(yù)測輸出,計算損失，用反向傳播計算損失函數(shù)相對于模型參數(shù)的梯度,并更新權(quán)重，權(quán)重計算公式如下： 其中，是動量項(xiàng)，初始值通常設(shè)為0； 通過不斷的訓(xùn)練循環(huán)，模型能夠更好地擬合訓(xùn)練數(shù)據(jù),最后得到安全設(shè)備檢測模型。

如需購買、轉(zhuǎn)讓、實(shí)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)人南通理工學(xué)院，其通訊地址為：226000 江蘇省南通市崇川區(qū)永興路211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)”。