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！

龍圖騰網獲悉四川省建筑機械化工程有限公司申請的專利一種施工現場智能安全巡檢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：CN120296685B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202510785087.6，技術領域涉及：G06F18/25；該發明授權一種施工現場智能安全巡檢系統是由陽凱;陳建名;戴凱利;翟建波;左楊;左詞言設計研發完成，并于2025-06-12向國家知識產權局提交的專利申請。

本一種施工現場智能安全巡檢系統在說明書摘要公布了：本發明公開了一種施工現場智能安全巡檢系統，涉及施工巡檢技術領域，通過數據采集模塊獲取施工現場的多種數據來源，數據融合與處理模塊通過時間同步、格式標準化及噪聲過濾，結合自適應加權融合算法對異構數據進行動態優化，智能分析與預警模塊基于機器學習評估數據差異程度，對高差異數據采用聚類分析挖掘異常模式，對低差異數據進行安全風險識別，并動態調整預警策略，終端交互模塊將巡檢結果與預警信息推送至移動端APP、監控中心顯示屏及語音播報設備，使管理人員可遠程查看施工狀況并快速決策，本發明能夠顯著提升施工現場安全巡檢的智能化水平，實現高效、精準的安全隱患識別和動態預警，有效降低安全事故風險。

本發明授權一種施工現場智能安全巡檢系統在權利要求書中公布了：1.一種施工現場智能安全巡檢系統，其特征在于：包括數據采集模塊、數據融合與處理模塊、智能分析與預警模塊以及終端交互模塊； 數據采集模塊，用于獲取施工現場的多源數據，包括視頻監控數據、傳感器數據、RFID識別信息及環境數據，其中，所述傳感器數據包括溫度、濕度、粉塵濃度和振動強度數據； 數據融合與處理模塊，用于對采集到的多源數據進行時間同步、數據格式標準化及噪聲過濾，并基于自適應加權融合算法對不同數據源進行動態優化融合； 智能分析與預警模塊，用于基于機器學習模型對融合后的多源數據進行差異程度評估，對于高差異程度的多源數據，通過聚類分析進一步挖掘異常模式；對于低差異程度的多源數據進行安全風險識別，并基于風險等級和多源數據的差異程度變化情況動態調整不同級別的預警策略，實現實時安全預警； 具體包括：將振動頻率變化率波動指數和運動穩定性異常指數轉換為綜合特征向量，將綜合特征向量作為機器學習模型的輸入，機器學習模型以每組綜合特征向量預測融合后的多源數據的差異程度值標簽為預測目標，以最小化對所有融合后的多源數據的差異程度值標簽的預測誤差之和作為訓練目標，對機器學習模型進行訓練，直至預測誤差之和達到收斂時停止模型訓練，根據模型輸出結果確定融合后的多源數據的差異程度值，其中，機器學習模型為多項式回歸模型； 將獲取到的融合后的多源數據的差異程度值與根據歷史數據預先設定的差異程度參考閾值進行比較，若融合后的多源數據的差異程度值大于等于預先設定的差異程度參考閾值，說明融合后的多源數據的差異程度高，將其標記為高差異程度的多源數據；若融合后的多源數據的差異程度值小于預先設定的差異程度參考閾值，說明融合后的多源數據的差異程度低，將其標記為低差異程度的多源數據； 其中，通過LSTM模型對施工人員的運動模式穩定性變化情況進行分析后生成運動穩定性異常指數，運動穩定性異常指數的獲取方法為： 使用慣性傳感器對施工人員的運動狀態進行采樣，每個時刻的傳感器數據表示為：；其中：為三軸加速度，為三軸角速度，為三軸磁力計數據； LSTM網絡訓練包括：輸入層：輸入數據為形狀；LSTM層：提取時序特征，輸出隱藏狀態；全連接層：映射到穩定性得分；損失函數：采用均方誤差計算LSTM預測值與真實穩定性分數之間的誤差，優化模型； 使用LSTM模型預測每個時間窗口H內的穩定性得分后，計算運動模式穩定性變化率，表達式為：；其中：為當前窗口的穩定性得分，為前一窗口的穩定性得分，Δt為窗口間隔；計算運動穩定性異常指數MSAI，計算公式為：；其中：Q為總時間窗口數，為第i個窗口的穩定性變化率，為所有窗口內穩定性變化率的均值； 終端交互模塊，用于將安全巡檢結果和預警信息推送至管理人員終端，包括移動端APP、監控中心顯示屏及語音播報設備，管理人員通過終端交互模塊遠程查看施工現場狀況并進行安全決策。

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四川省建筑機械化工程有限公司，其通訊地址為：610066 四川省成都市成華區二仙橋西一巷7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”。