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！

龙图腾网获悉河海大学申请的专利基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法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：CN116129135B 。

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：202211343504.4，技术领域涉及：G06V10/44；该发明授权基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法是由孙啸;路学莹设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法在说明书摘要公布了：本发明公开了一种基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法，包括如下步骤：步骤一、构建适用于小目标视觉识别的SEC4‑YOLOv5模型；步骤二、拟合吊钩高度和吊钩尺寸的插值函数；步骤三、利用SEC4‑YOLOv5模型的权重文件识别监控视频数据，得到施工人员位置信息、吊钩数据；步骤四、根据吊钩位置和高度划定危险区域；步骤五、结合施工人员位置信息计算危险系数；步骤六、通过比较计算出的危险系数与预设的安全报警阈值大小，来确定是否需要进行报警。由此可见，本发明采用优化的SEC4‑YOLOv5模型，实现特征通道自校准。提高模型识别检测精度，实现目标检测模型速度和精度的平衡，具有较强的鲁棒性。

本发明授权基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法在权利要求书中公布了：1.一种基于小目标视觉识别和虚拟实体映射的塔吊安全预警方法，其特征在于，包括如下步骤： 步骤一、构建适用于小目标视觉识别的SEC4-YOLOv5模型 利用SENet注意力机制网络改进既有的YOLOv5特征融合网络，并采用CIoU_LOSS函数替代既有YOLOv5特征融合网络中的GIoU_LOSS函数，以获得SEC4-YOLOv5模型，并分别采用训练集训练、验证集验证SEC4-YOLOv5模型，从而获得用于检测吊钩和施工人员的权重文件； SEC4-YOLOv5模型中，在Backbone中第4个BottleneckCSP结构后加入通道注意力SELayer模块，同时指定全局平均池化的通道数为BottleneckCSP输出特征图的通道数，利用SELayer模块强化网络对重要通道特征信息的学习；在Neck层中增加一个小目标检测尺度，具体方式如下：在Neck层的FPN中进行3次上采样，同时在PAN中进行3次下采样，通过进一步的加深网络拓宽到4个检测尺度，以增强对小目标特征的表达能力；在SEC4-YOLOv5模型中增加能够去除误检吊钩目标的剔除误检模块； 步骤二、拟合吊钩高度和吊钩尺寸的插值函数；插值函数选用二阶样条曲线插值作为吊钩高度height与吊钩尺寸size的插值函数； 步骤三、识别监控视频数据 利用SEC4-YOLOv5模型的权重文件识别塔式起重机变幅小车上的摄像头所拍摄的监控视频数据，并利用剔除误检模块去除误检吊钩目标，以得到施工人员位置信息、唯一吊钩的位置信息及其尺寸数据，并上传至云端数据库； 步骤四、根据吊钩位置和高度划定危险区域 根据步骤三识别出的吊钩的位置信息及其尺寸数据，利用插值函数计算出重物掉落高度，从而划定危险区域； 步骤五、结合施工人员位置信息计算危险系数 根据重物掉落高度、施工人员位置信息和监控时间计算危险系数D，具体通过下式计算： D＝L×E×C×R1×R2 式中：L为事故发生的可能性； E为处于危险环境的频率，通过建立施工人员距危险区域圆心的距离与概率密度函数的对应函数而算出；施工人员位置通过SEC4-YOLOv5模型识别出，危险区域圆心为通过SEC4-YOLOv5模型识别出的吊钩检测框的中心； C为事故后果，根据重物掉落高度近似确定事故后果； R1为与视频监控时间所处月份相关的修正系数；其中：当视频监控时间处于事故高发月份时，R1＝1.2；当视频监控时间处于事故频发月份时，R1＝1.1； 当视频监控时间处于其余月份时，R1＝1； R2为与视频监控时间所处时刻相关的修正系数；其中：当视频监控时间处于事故高发时刻时，R2＝1.2；当视频监控时间处于事故频发时刻时，R2＝1.1； 当视频监控时间处于其余时刻时，R1＝1； 步骤六、预警判断 通过比较步骤五计算出的危险系数与预设的安全报警阈值大小，来确定是否需要进行报警。

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河海大学，其通讯地址为：210000 江苏省南京市鼓楼区西康路1号河海大学；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”。