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！

龍圖騰網獲悉河海大學申請的專利基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法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：CN116129135B 。

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：202211343504.4，技術領域涉及：G06V10/44；該發明授權基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法是由孫嘯;路學瑩設計研發完成，并于2022-10-28向國家知識產權局提交的專利申請。

本基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法在說明書摘要公布了：本發明公開了一種基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法，包括如下步驟：步驟一、構建適用于小目標視覺識別的SEC4?YOLOv5模型；步驟二、擬合吊鉤高度和吊鉤尺寸的插值函數；步驟三、利用SEC4?YOLOv5模型的權重文件識別監控視頻數據，得到施工人員位置信息、吊鉤數據；步驟四、根據吊鉤位置和高度劃定危險區域；步驟五、結合施工人員位置信息計算危險系數；步驟六、通過比較計算出的危險系數與預設的安全報警閾值大小，來確定是否需要進行報警。由此可見，本發明采用優化的SEC4?YOLOv5模型，實現特征通道自校準。提高模型識別檢測精度，實現目標檢測模型速度和精度的平衡，具有較強的魯棒性。

本發明授權基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法在權利要求書中公布了：1.一種基于小目標視覺識別和虛擬實體映射的塔吊安全預警方法，其特征在于，包括如下步驟： 步驟一、構建適用于小目標視覺識別的SEC4-YOLOv5模型 利用SENet注意力機制網絡改進既有的YOLOv5特征融合網絡，并采用CIoU_LOSS函數替代既有YOLOv5特征融合網絡中的GIoU_LOSS函數，以獲得SEC4-YOLOv5模型，并分別采用訓練集訓練、驗證集驗證SEC4-YOLOv5模型，從而獲得用于檢測吊鉤和施工人員的權重文件； SEC4-YOLOv5模型中，在Backbone中第4個BottleneckCSP結構后加入通道注意力SELayer模塊，同時指定全局平均池化的通道數為BottleneckCSP輸出特征圖的通道數，利用SELayer模塊強化網絡對重要通道特征信息的學習；在Neck層中增加一個小目標檢測尺度，具體方式如下：在Neck層的FPN中進行3次上采樣，同時在PAN中進行3次下采樣，通過進一步的加深網絡拓寬到4個檢測尺度，以增強對小目標特征的表達能力；在SEC4-YOLOv5模型中增加能夠去除誤檢吊鉤目標的剔除誤檢模塊； 步驟二、擬合吊鉤高度和吊鉤尺寸的插值函數；插值函數選用二階樣條曲線插值作為吊鉤高度height與吊鉤尺寸size的插值函數； 步驟三、識別監控視頻數據 利用SEC4-YOLOv5模型的權重文件識別塔式起重機變幅小車上的攝像頭所拍攝的監控視頻數據，并利用剔除誤檢模塊去除誤檢吊鉤目標，以得到施工人員位置信息、唯一吊鉤的位置信息及其尺寸數據，并上傳至云端數據庫； 步驟四、根據吊鉤位置和高度劃定危險區域 根據步驟三識別出的吊鉤的位置信息及其尺寸數據，利用插值函數計算出重物掉落高度，從而劃定危險區域； 步驟五、結合施工人員位置信息計算危險系數 根據重物掉落高度、施工人員位置信息和監控時間計算危險系數D，具體通過下式計算： D＝L×E×C×R1×R2 式中：L為事故發生的可能性； E為處于危險環境的頻率，通過建立施工人員距危險區域圓心的距離與概率密度函數的對應函數而算出；施工人員位置通過SEC4-YOLOv5模型識別出，危險區域圓心為通過SEC4-YOLOv5模型識別出的吊鉤檢測框的中心； C為事故后果，根據重物掉落高度近似確定事故后果； R1為與視頻監控時間所處月份相關的修正系數；其中：當視頻監控時間處于事故高發月份時，R1＝1.2；當視頻監控時間處于事故頻發月份時，R1＝1.1； 當視頻監控時間處于其余月份時，R1＝1； R2為與視頻監控時間所處時刻相關的修正系數；其中：當視頻監控時間處于事故高發時刻時，R2＝1.2；當視頻監控時間處于事故頻發時刻時，R2＝1.1； 當視頻監控時間處于其余時刻時，R1＝1； 步驟六、預警判斷 通過比較步驟五計算出的危險系數與預設的安全報警閾值大小，來確定是否需要進行報警。

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河海大學，其通訊地址為：210000 江蘇省南京市鼓樓區西康路1號河海大學；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”。