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！

龙图腾网获悉南京览众智能科技有限公司申请的专利基于AI的课堂异常预警方法、系统、设备及存储介质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：CN120612214B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511123403.X，技术领域涉及：G06Q50/20；该发明授权基于AI的课堂异常预警方法、系统、设备及存储介质是由盛谦;周鲁东;蒋斌;查宇峰设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于AI的课堂异常预警方法、系统、设备及存储介质在说明书摘要公布了：本申请公开了一种基于AI的课堂异常预警方法、系统、设备及存储介质，所述方法包括划分课堂异常监测对象，针对每类监测对象，按照预设采样时间窗，分别对应采集实时数据；划分课堂场景类型，针对每一类课堂场景，单独构建相应场景化时空图卷积模型；确定当前课堂场景类型，将当前采集数据输入相应场景化时空图卷积模型，分析获得当前采集数据对应的各节点的异常概率和各节点之间的关联关系；根据当前采集数据对应的各节点的异常概率计算各节点异常得分，结合当前采集数据对应的各节点之间的关联关系，计算全局异常得分；基于单节点异常得分和全局异常得分进行综合异常预警。本申请能够及时、准确地生成异常预警以反映课堂的真实状态。

本发明授权基于AI的课堂异常预警方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于AI的课堂异常预警方法，其特征在于，包括： 划分课堂异常监测对象，包括：课堂人员、课堂环境、教学内容和教学设备；针对每类监测对象，按照预设采样时间窗，分别对应采集实时数据； 划分课堂场景类型，包括：理论授课场景、实验教学场景、小组讨论场景；针对每一类课堂场景，单独构建相应场景化时空图卷积模型，包括：定义图结构；设计时空特征提取模型；通过采用相应课堂场景条件下历史采集数据训练时空特征提取模型，学习并获取根据相应课堂场景条件下历史采集数据构建的图结构中各节点的异常概率和各节点之间的关联关系； 确定当前课堂场景类型，将当前采集数据输入相应场景化时空图卷积模型，分析获得当前采集数据对应的各节点的异常概率和各节点之间的关联关系；根据当前采集数据对应的各节点的异常概率计算各节点异常得分，结合当前采集数据对应的各节点之间的关联关系，计算全局异常得分；基于单节点异常得分和全局异常得分进行综合异常预警； 所述针对每类监测对象，按照预设采样时间窗，分别对应采集实时数据包括： 当监测对象为课堂人员，继续划分每一子类监测对象，包括：教师和学生；针对每一子类课堂人员监测对象，分别采集实时关键数据，包括：行为数据、生理数据和位置数据； 当监测对象为课堂环境，采集实时关键数据，包括：自然环境数据和噪声数据； 当监测对象为教学内容，继续划分每一子类监测对象，包括：教学进度、教学内容和教学互动情况；针对每一子类教学内容监测对象，对应采集实时关键数据，包括：教学进度数据、教学内容合规性数据、教学互动数据； 当监测对象为教学设备，继续划分每一子类监测对象，包括：硬件设备和软件系统；针对每一子类教学内容监测对象，对应采集实时关键数据，包括：硬件设备状态、软件网络状态； 所述针对每一类课堂场景，单独构建相应场景化时空图卷积模型包括： 针对不同课堂场景类型，定义不同场景化图结构；每个场景化图结构均定义有每一类监测对象作为图结构的主节点，对应划分的每一子类监测对象作为子节点，每个子节点包含多维特征；且定义同一采样时间窗内各节点间的物理或逻辑关联关系作为空间边，同一节点在连续采样时间窗的时序依赖关系作为时间边；且针对不同课堂场景类型，相应标注主节点和子节点中预设重要节点，且预先设置各节点之间初始边权重； 针对不同课堂场景类型，设计对应场景化时空特征提取模型；针对每个场景化时空特征提取模型，对于每个场景中重要节点分别引入节点注意力机制，同时根据各个节点与重要节点之间的关联关系强度，动态调整边权重； 训练对应课堂环境下的时空特征提取模型。

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京览众智能科技有限公司，其通讯地址为：210014 江苏省南京市栖霞区仙林街道仙林大道118号尚东花园B区商业B-33室；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”。

以上内容由龙图腾AI智能生成。