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！

龙图腾网获悉珠海市恒源电力建设有限公司申请的专利一种基于深度学习的电力工程施工安全监控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：CN119831180B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510310321.X，技术领域涉及：G06Q10/063；该发明授权一种基于深度学习的电力工程施工安全监控系统是由黄一心;郭子俊;魏泽林设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种基于深度学习的电力工程施工安全监控系统在说明书摘要公布了：本发明公开了一种基于深度学习的电力工程施工安全监控系统，属于电力工程施工安全技术领域，包括：数据采集模块，用于实时采集施工现场的RGB图像、激光雷达点云及深度图；智能分析模块，用于基于多任务深度学习模型并行预测材料倾倒、人员坠落、机械碰撞及电气危险的风险等级；动态决策模块，用于根据风险预测结果和风险优先级，基于强化学习调度人员、AGV和无人机，发送机械急停指令，和通过告警信息实时引导人员避险；反馈优化模块，用于通过增量学习优化模型。本发明通过多模态数据融合与智能决策，实现多类事故的实时预测与自动化响应。

本发明授权一种基于深度学习的电力工程施工安全监控系统在权利要求书中公布了：1.一种基于深度学习的电力工程施工安全监控系统，其特征在于，包括： 数据采集模块，用于实时采集施工现场的RGB图像、激光雷达点云及深度图； 智能分析模块，用于基于多任务深度学习模型并行预测材料倾倒、人员坠落、机械碰撞及电气危险的风险等级，并且当材料倾倒风险超过阈值时，检测人员状态和材料类型； 所述多任务深度学习模型包括： 共享特征提取层，用于基于YOLOv8提取RGB图像特征，基于PointNet++处理激光雷达点云，提取空间特征，以及基于卷积网络提取深度特征； 多模态融合层，用于基于Transformer编码器对齐RGB、点云及深度特征，得到融合特征； 任务特异性头网络，包括GRU、LSTM、卡尔曼滤波、HRNet及ResNet-50分类模型，用于基于融合特征分别输出四类风险预测结果，以及动态触发检测人员状态和材料类型； 所述任务特异性头网络包括： 材料稳定性分析单元，用于获取YOLOv8识别的材料堆叠区域，通过材料堆叠区域对应的深度图与点云数据计算材料堆的倾斜角、高度及中心位置；并通过激光雷达数据获取风速和地面倾斜度；将材料堆的倾斜角、高度、中心位置、风速及地面倾斜度输入GRU网络，输出倾倒风险等级； 人员状态检测单元，用于当倾倒风险等级为高时，激活HRNet分支，从RGB图像中提取骨骼关键点，通过连续帧骨骼关键点角度变化统计单位时间弯腰次数，得到人员状态评分； 材料类型识别单元，用于当倾倒风险等级为高时，获取YOLOv8检测到的材料区域图像，输入ResNet-50分类模型，输出材料类型为易碎材料或非易碎材料； 动态决策模块，用于根据风险预测结果和风险优先级，基于强化学习调度人员、AGV和无人机，发送机械急停指令，和通过告警信息实时引导人员避险；当调度人员或AGV进行搬运任务时，根据人员状态、材料类型和AGV状态调整搬运决策，所述搬运决策包括AGV搬运和混合搬运； 所述动态决策模块包括： 搬运决策单元，用于根据材料易碎性系数、人员状态评分和成本效益系数计算搬运策略评分，当搬运策略评分大于阈值则确定搬运方式为AGV搬运，否则搬运方式为混合搬运，所述材料易碎性系数是根据材料为易碎材料或非易碎材料得到的；所述人员状态评分是根据单位时间弯腰次数计算得到的；所述成本效益系数是通过AGV设备电量和用电时段对应的用电成本计算得到的； 反馈优化模块，用于通过增量学习优化模型。

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珠海市恒源电力建设有限公司，其通讯地址为：519000 广东省珠海市斗门区井岸镇井湾路602-606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”。