Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东工业大学王璐琪获国家专利权

广东工业大学王璐琪获国家专利权

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!

龙图腾网获悉广东工业大学申请的专利一种基于双目视觉与模糊评价的施工安全风险预警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:CN119831351B

龙图腾网通过国家知识产权局官网在2025-11-25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:202510042084.3,技术领域涉及:G06Q10/0635;该发明授权一种基于双目视觉与模糊评价的施工安全风险预警系统是由王璐琪;李可;李锦锐;叶浩良;郑凤颐;张文杰;陈东炜设计研发完成,并于2025-01-10向国家知识产权局提交的专利申请。

一种基于双目视觉与模糊评价的施工安全风险预警系统在说明书摘要公布了:一种基于双目视觉与模糊评价的施工安全风险预警系统,属于施工安全技术领域。为了解决目前针对施工安全风险评价因素相对单一,且主观因素影响比较大,导致施工安全风险评价不全面,从而存在风险事故率高的问题。本发明的图像数据获取模块用于获取施工现场双目图像的,目标检测定位模块用于进行图像畸变校正,利用改进YOLOv5模型对目标进行识别检测,采用双目测距对目标进行定位测距;目标风险评价模块基于目标检测定位模块的检测定位结果获得接近度、人工高度、拥挤度和暴露频次;进而利用基于模糊理论的工人施工风险等级预测模型进行目标风险评价。

本发明授权一种基于双目视觉与模糊评价的施工安全风险预警系统在权利要求书中公布了:1.一种基于双目视觉与模糊评价的施工安全风险预警系统,其特征在于,包括: 图像数据获取模块:利用双目相机对施工现场进行拍摄,获取施工现场双目图像; 目标检测定位模块:首先针对双目相机采集的图像进行图像畸变校正,然后对目标进行识别检测,并采用双目测距对目标进行定位测距; 对目标进行识别检测,并采用双目测距对目标进行定位测距的过程:利用YOLOv5模型进行目标识别检测,并通过BM算法双目图像匹配、坐标系映射、三维世界坐标,计算对象间距离,最终实现目标物体在现实世界中的三维定位和测距; 目标风险评价模块:基于目标检测定位模块的检测定位结果获得接近度、人工高度、拥挤度和暴露频次;进而利用基于模糊理论的工人施工风险等级预测模型进行目标风险评价; 接近度:是指工人与现场设备设施之间的距离; 人工高度:是工人的身高段中心点与其所在空间地表之间的垂直距离; 拥挤度:是指监控现场范围内工人的数量; 暴露频次:是指工人每周进入监控的危险区域的次数; 所述的YOLOv5模型为改进YOLOv5模型,所述改进YOLOv5模型的改进包括:在YOLOv5模型的训练过程中,对自适应锚框计算过程进行改进,采用改进的自适应锚框计算过程确定最终的自适应锚框尺寸;这些锚框尺寸将被应用到YOLOv5模型的目标检测过程中; 采用改进的自适应锚框计算过程确定最终的自适应锚框尺寸的过程包括: 2.1、初始锚框配置:YOLOv5首先在代码中预先定义好一组初始锚框配置; 2.2、训练数据加载与预处理:加载训练数据集,其中包含了大量带有目标物体标注信息的图像;对图像进行预处理操作,以确保数据的一致性和适合模型训练的格式;同时,提取出标注信息中的目标边界框坐标; 2.3、目标尺寸统计分析:遍历训练数据集中的所有目标边界框,统计目标的宽度和高度信息;计算宽度和高度的平均值、标准差统计量,以及不同尺寸范围目标的数量分布情况; 2.4、聚类算法应用:采用聚类算法对目标的宽度和高度数据进行聚类操作;确定聚类的数量,聚类算法会将目标宽度和高度数据点分配到不同的聚类中心,通过迭代计算,使得每个聚类内的数据点到其聚类中心的距离之和最小;聚类中心的位置就代表了一组具有代表性的目标尺寸,这些尺寸将作为自适应计算得到的锚框尺寸的候选值; 2.5、锚框尺寸计算与优化:根据聚类结果,计算每个聚类的中心位置,从而得到自适应的锚框尺寸;聚类中心的宽度和高度值就是新的锚框宽度和高度尺寸;对计算得到的锚框尺寸进行优化调整,以确保它们在实际应用中的有效性; 2.6、锚框匹配与评估:在训练过程中,对于每个目标物体,计算其与各个自适应锚框的交并比IoU1;根据IoU1值,评估每个锚框与目标的匹配程度;如果某个锚框与目标的IoU1大于设定阈值,则认为该锚框能够较好地匹配该目标;如果IoU1小于阈值,则进一步调整锚框尺寸或者考虑该锚框是否适用于当前数据集; 2.7、动态更新与迭代:自适应锚框计算不是一次性的过程,而是在整个训练过程中动态进行的;在每个训练周期epoch或一定的训练迭代次数后,会重新执行上述的目标尺寸统计分析、聚类算法应用、锚框尺寸计算与优化步骤;这样根据训练过程中目标尺寸分布的变化情况,及时更新锚框尺寸,使模型始终能够适应数据集的特征,从而不断提高目标检测的性能; 2.8、最终锚框确定与应用:经过多次迭代计算和动态更新后,确定最终的自适应锚框尺寸。

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广东工业大学,其通讯地址为:510000 广东省广州市东风东路729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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。