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！

龙图腾网获悉南通理工学院申请的专利一种重大工程临边洞口坠落风险侦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：CN120279492B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510742583.3，技术领域涉及：G06V20/52；该发明授权一种重大工程临边洞口坠落风险侦测方法及系统是由张永成;吴子怡;范神洲;王焱;车海潮;范钦满;刘振寰;罗清设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种重大工程临边洞口坠落风险侦测方法及系统在说明书摘要公布了：本发明公开了一种重大工程临边洞口坠落风险侦测方法及系统，属于坠落安全监测领域，所述方法包括采集工程现场临边危险信息，建立数据集，将工程现场视频监控数据转化为图片帧并标注处理。构建yolov8改进模型，对安全设备数据集信息进行检测；将防护装置数据集送入FastR‑CNN中训练，得到防护装置检测模型；构建改进的ST‑GCN模型，将人体骨骼关节点信息送入改进模型中训练并优化超参数提高模型性能，实现危险行为的准确识别。将上述多类临边风险信息结果输入构建的多类多源信息融合预警规则方法，计算处理后触发预警机制进行可视化报警，本发明提高了系统的风险侦测效果与抗干扰性，适用于重大工程临边洞口坠落风险管理。

本发明授权一种重大工程临边洞口坠落风险侦测方法及系统在权利要求书中公布了：1.一种重大工程临边洞口坠落风险侦测方法，其特征在于，包括如下步骤： 定义危险信息，所述危险信息包括安全设备信息、防护装置信息和危险行为信息； 搜集公开的建筑工人监控数据集，从网络上截取危险信息相应的视频数据集，将视频帧化并标注处理，得到安全设备数据集、防护装置数据集和危险行为数据集； 在yolov8模型中加入自注意力机制，建立改进的yolov8模型；采用安全设备数据集训练改进的yolov8模型，并用SGD算法优化改进的yolov8模型，得到安全设备检测模型； 建立FastR-CNN模型，采用防护装置数据集训练FastR-CNN模型，得到防护装置检测模型； 采用OpenPose模型从危险行为数据集中提取骨骼关节点信息； 在ST-GCN模型中加入L2正则化和Dropout，建立改进的ST-GCN模型，采用骨骼关节点信息训练改进的ST-GCN模型，并用TPE算法优化改进的ST-GCN模型中的超参数，得到危险行为识别模型； 基于安全设备检测模型、防护装置检测模型和危险行为识别模型完成对建筑临边危险的侦测，判定危险结果后，基于多类多源信息融合的预警规则方法触发预警警报并将结果可视化显示； 所述在yolov8模型中加入自注意力机制包括： 选择使用多头自注意力机制，通过计算查询、键和值向量之间的相似度来分配权重，然后对值向量进行加权求和得到输出，捕获不同位置之间的依赖关系； 对于每个头i,将输入特征图X通过线性变换得到查询矩阵Q i ，键矩阵K i ，值矩阵V i ，具体公式如下； 其中是可学习的权重矩阵,其初始化采用随机初始化方法，形状通过输入特征图的通道数和注意力机制中的键、查询、值的维度决定; 计算注意力权重矩阵Ai，公式如下： 其中是键向量的维度，用于缩放以避免梯度消失问题； 计算注意力输出O i ： 将所有头的输出拼接起来并通过线性变换得到最终的输出，公式如下： 其中h是头的数量，W O 是输出投影矩阵； 在YOLOv8的主干网络中，残差块之间加入多头自注意力模块并调整模型结构适应新加入的模块，以增强特征表示，帮助更好的识别多个、远距离的安全帽和安全绳以提高检测精度，完成yolov8模型的改进； 所述用SGD算法优化改进的yolov8模型包括： 假设模型参数，训练数据集为，损失函数L，其中是输入图像，是对应标签； 使用SGD优化器，设定学习率为，动量为； 每个epoch，对于每个：通过前向传播计算预测输出,计算损失，用反向传播计算损失函数相对于模型参数的梯度,并更新权重，权重计算公式如下： 其中，是动量项，初始值通常设为0； 通过不断的训练循环，模型能够更好地拟合训练数据,最后得到安全设备检测模型。

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南通理工学院，其通讯地址为：226000 江苏省南通市崇川区永兴路211号；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”。