买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉迪泰(浙江)通信技术有限公司申请的专利一种基于人工智能的渔船作业人员安全监测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118942043B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411419078.7，技术领域涉及：G06V20/52；该发明授权一种基于人工智能的渔船作业人员安全监测方法及系统是由章文才;毛方迪;贾建国;陈宇峰;刘建军;刘帅设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于人工智能的渔船作业人员安全监测方法及系统在说明书摘要公布了：本发明公开了一种基于人工智能的渔船作业人员安全监测方法及系统，方法包括基本数据采集、安全区域监测、渔船环境监测、人员行为监测和综合安全监测。本发明涉及渔船安全监测技术领域，具体是指一种基于人工智能的渔船作业人员安全监测方法及系统，本方案采用结合安全区域监测子模型、渔船环境监测子模型和人员行为监测子模型，进行子网集成加权训练的集成安全分析方案；采用改进视觉检测模型结合多级特征处理的方法进行安全区域监测，通过改进模型结构增强了小目标识别能力和整体计算效率；采用结合渔船轨迹特征描述优化的卷积长短期记忆神经网络进行渔船环境监测；采用结合模糊推理和预训练视觉提取的深度注意网络进行人员行为监测。

本发明授权一种基于人工智能的渔船作业人员安全监测方法及系统在权利要求书中公布了：1.一种基于人工智能的渔船作业人员安全监测方法，其特征在于：该方法包括以下步骤： 步骤S1：基本数据采集，用于收集渔船作业人员安全监测所需的原始数据集，具体为通过摄像装置和传感器，进行渔船安全监测数据采集，得到渔船作业人员安全监测原始数据；所述渔船作业人员安全监测原始数据，具体包括摄像原始数据和传感原始数据； 步骤S2：安全区域监测，用于进行渔船作业安全区域筛选和预分类，结合小目标优化的多级特征融合改进视觉监测模型，采用结合小目标优化的多级特征融合改进视觉监测模型进行安全区域监测，得到安全区域监测参考数据和安全区域监测子模型； 所述结合小目标优化的多级特征融合改进视觉监测模型，具体包括改进视觉监测模型、空间深度卷积转换子块和多级特征融合子块； 所述采用结合小目标优化的多级特征融合改进视觉监测模型进行安全区域监测，得到安全区域监测参考数据和安全区域监测子模型的步骤，包括： 步骤S21：数据基本优化，具体为通过基本图像增强和滤波去噪，对所述摄像原始数据进行数据增强，得到优化安全区域监测数据； 步骤S22：改进视觉监测模型，具体为选用预训练的标准YOLOv8模型作为基本视觉监测模型，并通过对所述基本视觉监测模型进行层级结构改进，得到改进视觉监测模型； 所述层级结构改进，具体指将标准YOLOv8模型骨干网络的第七层和第八层下采样层删除，用于优化计算效率，并通过在标准YOLOv8模型骨干网络的第一层卷积层中添加区域监测优化特征处理子块，用于提升改进视觉监测模型在安全区域监测中对于较小目标的识别能力； 步骤S23：构建空间深度卷积转换子块，具体为采用空间深度卷积转换子块替换传统的池化下采样方法，进行特征下采样，得到空间深度特征转换数据； 步骤S24：构建多级特征融合子块，具体为将所述空间深度特征转换数据中的特征图数据，分解为三个特征图，并依次经过依次1×1卷和两次3×3卷积操作，得到细化特征图数据，并对所述细化特征图数据进行特征连接，得到安全区域监测特征数据，并通过依据所述安全区域监测特征数据，通过构建全连接层和分类器，进行安全区域监测的分类； 步骤S25：安全区域监测子模型训练，具体为通过所述数据基本优化、所述改进视觉监测模型、所述空间深度卷积转换子块和所述多级特征融合子块，进行安全区域监测子模型训练，得到安全区域监测子模型ModelSA； 步骤S26：安全区域监测，具体为使用所述安全区域监测子模型ModelSA，依据所述渔船作业人员安全监测原始数据中的摄像原始数据，进行安全区域监测，得到安全区域监测参考数据； 所述安全区域监测参考数据，具体包括安全区域监测类别和安全区域监测参考数据的安全估值； 步骤S3：渔船环境监测，用于针对渔船的航行轨迹进行安全性评估，具体为依据所述渔船作业人员安全监测原始数据中的传感原始数据，采用结合渔船轨迹特征描述优化的卷积长短期记忆神经网络进行渔船环境监测，得到渔船环境监测参考数据和渔船环境监测子模型； 所述结合渔船轨迹特征描述优化和卷积长短期记忆编码的聚类分类模型，具体包括轨迹参数优化子块、轨迹特征优化子块、卷积长短期记忆子网、聚类子网和分类子网； 所述采用结合渔船轨迹特征描述优化的长短期记忆神经网络进行渔船环境监测，得到渔船环境监测参考数据和渔船环境监测子模型的步骤，包括： 步骤S31：轨迹参数优化，具体为依据所述渔船作业人员安全监测原始数据中的传感原始数据，进行基本数据清洗和渔船轨迹构建，得到优化渔船轨迹数据； 步骤S32：轨迹特征优化，具体为依据所述优化渔船轨迹数据，通过人工特征工程设计，构造轨迹特征优化数据集，具体包括渔船位移比特征、航行稳定性特征、轨迹轮廓特征和最小惯性矩特征； 所述渔船位移比特征的计算公式为： 式中，DR是渔船位移比特征，Tdisp是从起点轨迹点到终点轨迹点的矢量长度，Tdist是所有轨迹段的累积矢量长度； 所述航行稳定性特征的计算公式为： 式中，CR是航行稳定性特征，T是轨迹点总量，t是轨迹点索引，cogt是第t个轨迹点的轨迹段方向，It是轨迹点持续时间； 所述轨迹轮廓特征的计算公式为： 式中，OR是轨迹轮廓特征，NO是轨迹段在渔船网格地图上覆盖的网格数，Nng是重复进入网格的次数； 所述最小惯性矩特征的计算公式为： 式中，MR是最小惯性矩特征，T是轨迹点总量，t是轨迹点索引，V是转动惯性轴总量，v是转动惯性轴索引，dtv是第t个轨迹点到第v个转动惯性轴的距离； 所述构造轨迹特征优化数据集的计算公式为： RR＝{DR；CR；OR；MR}； 式中，RR是轨迹特征优化数据集，DR是渔船位移比特征，CR是航行稳定性特征，OR是轨迹轮廓特征，MR是最小惯性矩特征； 步骤S33：卷积长短期记忆编码，具体为构建单层卷积长短期记忆神经子网，进行特征编码和特征解码，得到卷积长短期特征解码数据； 步骤S34：构建聚类子网，具体为构建基于K均值聚类的标准深度聚类神经网络作为聚类子网，并依据所述卷积长短期特征解码数据进行聚类分析，得到聚类特征数据； 步骤S35：构建分类子网，具体为构建标准随机森林模型作为分类器，依据所述聚类特征数据，进行渔船环境监测分类，得到渔船轨迹安全性分类数据； 步骤S36：渔船环境监测子模型训练，具体为通过所述轨迹参数优化、所述轨迹特征优化、所述长短期记忆编码、所述聚类子网和所述分类子网，进行渔船环境监测子模型训练，得到渔船环境监测子模型ModelED； 步骤S37：渔船环境监测，具体为使用所述渔船环境监测子模型ModelED，依据所述渔船作业人员安全监测原始数据中的传感原始数据，进行渔船环境监测，得到渔船环境监测参考数据； 所述渔船环境监测参考数据，具体包括渔船环境监测类别和渔船环境监测参考数据的安全估值 步骤S4：人员行为监测，用于对非安全区域的渔船作业人员行为进行分析，具体为依据所述渔船作业人员安全监测原始数据中的摄像原始数据和渔船环境监测参考数据，采用结合模糊推理和预训练视觉提取的深度注意网络进行人员行为监测，得到人员行为监测参考数据和人员行为监测子模型； 所述结合模糊推理和预训练视觉提取的深度注意网络，具体包括模糊层、视觉特征提取层、挤压激励特征提取层和分类输出层； 所述采用结合模糊推理和预训练视觉提取的深度注意网络进行人员行为监测，得到人员行为监测参考数据和人员行为监测子模型的步骤，包括： 步骤S41：构建模糊层，具体为构建高斯模糊成员函数，进行模糊度计算，并通过应用聚合运算符或运算，抑制不相关特征，得到模糊层输出维度数据，用于优化不确定性数据的识别能力； 步骤S42：构建视觉特征提取层，具体为使用步骤S22中的改进视觉监测模型，作为预训练的视觉特征提取层，提取得到人员行为分析特征数据； 步骤S43：构建挤压激励特征提取层，具体为对所述人员行为分析特征数据依次进行平均池化、挤压操作和激励操作，并应用快捷连接和非线性变换，进行特征数据增强，得到优化人员行为分析特征； 步骤S44：构建分类输出层，具体为构建标准softmax分类器作为分类输出成，依据所述优化人员行为分析特征，进行人员行为监测数据分类； 步骤S45：人员行为监测子模型训练，具体为通过所述模糊层、所述视觉特征提取层、所述挤压激励特征提取层和所述分类输出层，进行人员行为监测子模型训练，得到人员行为监测子模型ModelBD； 步骤S46：人员行为监测，具体为使用所述人员行为监测子模型ModelBD，依据所述渔船作业人员安全监测原始数据中的摄像原始数据和渔船环境监测参考数据，进行人员行为监测，得到人员行为监测参考数据； 所述人员行为监测参考数据，具体包括人员行为监测类别和人员行为监测参考数据的安全估值； 步骤S5：综合安全监测，结合所述安全区域监测子模型、渔船环境监测子模型和人员行为监测子模型，进行子网集成加权训练，得到综合安全监测模型ModelL，并通过使用所述综合安全监测模型ModelL，依据所述渔船作业人员安全监测原始数据，进行渔船作业人员实时安全监测，得到综合安全情况估值，并通过依据所述综合安全情况估值，进行渔船作业人员安全情况反馈和报警。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人迪泰(浙江)通信技术有限公司，其通讯地址为：315048 浙江省宁波市高新区聚贤路1299号028幢3楼西首；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。