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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉合肥工業(yè)大學(xué)申請的專利一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法獲國家發(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：CN116434139B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202310326238.2，技術(shù)領(lǐng)域涉及：G06V20/52；該發(fā)明授權(quán)一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法是由丁立健;楊盛世;李帷韜;孫偉;李奇越設(shè)計研發(fā)完成，并于2023-03-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法在說明書摘要公布了：一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法，屬于危險行為管控技術(shù)領(lǐng)域，解決針對體積小的細長魚竿檢測效果不準確問題；本發(fā)明通過基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型為每個訓(xùn)練樣本進行適應(yīng)度評估，并挑選適應(yīng)度高的樣本送入可形變Transformer魚竿檢測模型進行訓(xùn)練，再通過可形變Transformer魚竿檢測模型提取細長物體的多尺度空間特征進行魚竿檢測，最后通過最大熵的強化學(xué)習(xí)算法更新基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型，從而提升模型的檢測精度；本發(fā)明的方法能有效提取魚竿的細長結(jié)構(gòu)特征，提高了模型識別細長特征的能力，能夠?qū)崿F(xiàn)高電壓環(huán)境中危險行為的檢測，保障高電壓環(huán)境中人員安全。

本發(fā)明授權(quán)一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法在權(quán)利要求書中公布了：1.一種基于強化學(xué)習(xí)和可形變Transformer的釣魚危險行為管控方法，其特征在于，包括以下步驟： S1、獲取危險行為管控數(shù)據(jù)集，通過人工標注后，按照一定的比例劃分為危險行為管控訓(xùn)練集、危險行為管控驗證集和危險行為管控測試集； S2、構(gòu)建用于檢測魚竿的可形變Transformer網(wǎng)絡(luò)魚竿檢測模型以及用于評估訓(xùn)練樣本適應(yīng)度的基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型； 所述的可形變Transformer網(wǎng)絡(luò)魚竿檢測模型包括：多尺度空間深度卷積模塊、可形變Transformer編碼器、可形變Transformer解碼器、前饋網(wǎng)絡(luò)；所述的多尺度空間深度卷積模塊包括：ResNet-50、SCNN網(wǎng)絡(luò)、可控方向濾波器；所述的可形變Transformer網(wǎng)絡(luò)魚竿檢測模型的運行機制如下：將基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型輸出的魚竿檢測模型訓(xùn)練的樣本ResNet-50中提取多尺度特征，得到多尺度特征圖，將多尺度特征圖通過SCNN網(wǎng)絡(luò)進行空間深度卷積后，通過可控方向濾波器提取多方向的空間特征，得到多尺度空間特征圖；通過可形變Transformer編碼器進行編碼，得到編碼后的特征向量，再送入可形變Transformer解碼器中進行解碼，得到解碼后的特征向量并通過兩個前饋網(wǎng)絡(luò)分別進行分類和坐標框的回歸；同時，根據(jù)預(yù)測坐標框和實際坐標框計算損失更新魚竿檢測模型的參數(shù)，并通過驗證集上的性能評估結(jié)果計算獎勵作為基于最大熵的強化學(xué)習(xí)網(wǎng)絡(luò)更新參數(shù)； 所述的基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型包括：Actor網(wǎng)絡(luò)、Critic網(wǎng)絡(luò)、目標Critic網(wǎng)絡(luò)、經(jīng)驗池； S3、初始化基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型，并將危險行為管控訓(xùn)練集通過基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型進行樣本適應(yīng)度評估； S4、將采樣后的訓(xùn)練樣本集送入可形變Transformer網(wǎng)絡(luò)魚竿檢測模型中進行訓(xùn)練，并通過危險行為管控驗證集進行性能評估，從而得到訓(xùn)練后的可形變Transformer網(wǎng)絡(luò)魚竿檢測模型，并將訓(xùn)練后的可形變Transformer網(wǎng)絡(luò)魚竿檢測模型在危險行為管控驗證集上進行性能評估； S5、通過最大熵的強化學(xué)習(xí)算法更新基于強化學(xué)習(xí)的樣本適應(yīng)度評估模型，更新迭代次數(shù)達到所設(shè)閾值時，保存可形變Transformer網(wǎng)絡(luò)魚竿檢測模型參數(shù)，用于進行危險行為識別。

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)人合肥工業(yè)大學(xué)，其通訊地址為：230000 安徽省合肥市包河區(qū)屯溪路193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)”。