買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南通理工學院申請的專利一種重大工程臨邊洞口墜落風險偵測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120279492B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510742583.3，技術領域涉及：G06V20/52；該發明授權一種重大工程臨邊洞口墜落風險偵測方法及系統是由張永成;吳子怡;范神洲;王焱;車海潮;范欽滿;劉振寰;羅清設計研發完成，并于2025-06-05向國家知識產權局提交的專利申請。

本一種重大工程臨邊洞口墜落風險偵測方法及系統在說明書摘要公布了：本發明公開了一種重大工程臨邊洞口墜落風險偵測方法及系統，屬于墜落安全監測領域，所述方法包括采集工程現場臨邊危險信息，建立數據集，將工程現場視頻監控數據轉化為圖片幀并標注處理。構建yolov8改進模型，對安全設備數據集信息進行檢測；將防護裝置數據集送入FastR?CNN中訓練，得到防護裝置檢測模型；構建改進的ST?GCN模型，將人體骨骼關節點信息送入改進模型中訓練并優化超參數提高模型性能，實現危險行為的準確識別。將上述多類臨邊風險信息結果輸入構建的多類多源信息融合預警規則方法，計算處理后觸發預警機制進行可視化報警，本發明提高了系統的風險偵測效果與抗干擾性，適用于重大工程臨邊洞口墜落風險管理。

本發明授權一種重大工程臨邊洞口墜落風險偵測方法及系統在權利要求書中公布了：1.一種重大工程臨邊洞口墜落風險偵測方法，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備信息、防護裝置信息和危險行為信息； 搜集公開的建筑工人監控數據集，從網絡上截取危險信息相應的視頻數據集，將視頻幀化并標注處理，得到安全設備數據集、防護裝置數據集和危險行為數據集； 在yolov8模型中加入自注意力機制，建立改進的yolov8模型；采用安全設備數據集訓練改進的yolov8模型，并用SGD算法優化改進的yolov8模型，得到安全設備檢測模型； 建立FastR-CNN模型，采用防護裝置數據集訓練FastR-CNN模型，得到防護裝置檢測模型； 采用OpenPose模型從危險行為數據集中提取骨骼關節點信息； 在ST-GCN模型中加入L2正則化和Dropout，建立改進的ST-GCN模型，采用骨骼關節點信息訓練改進的ST-GCN模型，并用TPE算法優化改進的ST-GCN模型中的超參數，得到危險行為識別模型； 基于安全設備檢測模型、防護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，判定危險結果后，基于多類多源信息融合的預警規則方法觸發預警警報并將結果可視化顯示； 所述在yolov8模型中加入自注意力機制包括： 選擇使用多頭自注意力機制，通過計算查詢、鍵和值向量之間的相似度來分配權重，然后對值向量進行加權求和得到輸出，捕獲不同位置之間的依賴關系； 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； 其中是可學習的權重矩陣,其初始化采用隨機初始化方法，形狀通過輸入特征圖的通道數和注意力機制中的鍵、查詢、值的維度決定; 計算注意力權重矩陣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是頭的數量，W O 是輸出投影矩陣； 在YOLOv8的主干網絡中，殘差塊之間加入多頭自注意力模塊并調整模型結構適應新加入的模塊，以增強特征表示，幫助更好的識別多個、遠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； 所述用SGD算法優化改進的yolov8模型包括： 假設模型參數，訓練數據集為，損失函數L，其中是輸入圖像，是對應標簽； 使用SGD優化器，設定學習率為，動量為； 每個epoch，對于每個：通過前向傳播計算預測輸出,計算損失，用反向傳播計算損失函數相對于模型參數的梯度,并更新權重，權重計算公式如下： 其中，是動量項，初始值通常設為0； 通過不斷的訓練循環，模型能夠更好地擬合訓練數據,最后得到安全設備檢測模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南通理工學院，其通訊地址為：226000 江蘇省南通市崇川區永興路211號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。