買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安金源電氣股份有限公司申請(qǐng)的專利基于Faster-RCNN算法的電力作業(yè)中安全帽監(jiān)測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114694178B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210290515.4，技術(shù)領(lǐng)域涉及：G06V20/52；該發(fā)明授權(quán)基于Faster-RCNN算法的電力作業(yè)中安全帽監(jiān)測(cè)方法及系統(tǒng)是由王孝敬;王鶴鳴;紀(jì)超;王亮;劉家兵;武健;侯威設(shè)計(jì)研發(fā)完成，并于2022-03-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于Faster-RCNN算法的電力作業(yè)中安全帽監(jiān)測(cè)方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于Faster?RCNN算法的智能安全帽檢測(cè)方法及系統(tǒng)，融合遷移學(xué)習(xí)和Faster?RCNN算法對(duì)安全帽進(jìn)行檢測(cè)，首先對(duì)Faster?RCNN網(wǎng)絡(luò)進(jìn)行改進(jìn)，利用k?meansII對(duì)生成anchor框方案進(jìn)行改進(jìn)，引入殘差網(wǎng)絡(luò)與注意力機(jī)制模塊，增強(qiáng)檢測(cè)精度，同時(shí)網(wǎng)絡(luò)融合遷移學(xué)習(xí)解決樣本不足的問題，然后對(duì)搭建好的整個(gè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練集輸入到第μ次迭代后的網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，保留其權(quán)重參數(shù)。構(gòu)建測(cè)試集的基準(zhǔn)網(wǎng)絡(luò)，選取μ次迭代結(jié)果中效果最佳的網(wǎng)絡(luò)參數(shù)作為測(cè)試集的基準(zhǔn)網(wǎng)絡(luò)，將測(cè)試集輸入基準(zhǔn)網(wǎng)絡(luò)中進(jìn)行測(cè)試得到測(cè)試結(jié)果。大大提升了檢測(cè)精度，利用圖形圖像智能識(shí)別技術(shù)，對(duì)現(xiàn)場(chǎng)作業(yè)范圍內(nèi)的人員是否規(guī)范佩戴安全帽進(jìn)行識(shí)別，給予及時(shí)告警，防止現(xiàn)場(chǎng)作業(yè)出現(xiàn)事故。

本發(fā)明授權(quán)基于Faster-RCNN算法的電力作業(yè)中安全帽監(jiān)測(cè)方法及系統(tǒng)在權(quán)利要求書中公布了：1.基于Faster-RCNN算法的電力作業(yè)中安全帽監(jiān)測(cè)方法，其特征在于，包括：采集巡檢視頻，通過巡檢視頻獲得目標(biāo)圖像，利用標(biāo)注工具對(duì)單幀目標(biāo)圖像中的安全帽進(jìn)行標(biāo)注，并保存其信息，得到樣本數(shù)據(jù)；采用Faster-RCNN對(duì)圖像中的目標(biāo)區(qū)域進(jìn)行檢測(cè)：首先根據(jù)目標(biāo)的相似性，對(duì)預(yù)訓(xùn)練數(shù)據(jù)庫(kù)ImageNet中的圖像樣本進(jìn)行重采樣，再利用重采樣后的數(shù)據(jù)集對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行預(yù)訓(xùn)練；結(jié)合遷移學(xué)習(xí)和Faster-RCNN網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，進(jìn)行μ次迭代訓(xùn)練，保留最佳的網(wǎng)絡(luò)權(quán)重參數(shù)；構(gòu)建測(cè)試集的基準(zhǔn)網(wǎng)絡(luò)，選取μ次迭代結(jié)果中效果最佳的網(wǎng)絡(luò)參數(shù)作為測(cè)試集的基準(zhǔn)網(wǎng)絡(luò)，將測(cè)試集輸入基準(zhǔn)網(wǎng)絡(luò)中進(jìn)行測(cè)試得到測(cè)試結(jié)果；結(jié)合遷移學(xué)習(xí)和Faster-RCNN網(wǎng)絡(luò)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，保留最佳的網(wǎng)絡(luò)權(quán)重參數(shù)：預(yù)訓(xùn)練完成后，在預(yù)訓(xùn)練模型的基礎(chǔ)上用制作的安全帽數(shù)據(jù)集對(duì)參數(shù)進(jìn)行優(yōu)化，并最終用于安全帽檢測(cè)中；Faster-RCNN中的損失分為回歸損失和分類損失兩大類，分類損失是Softmax，回歸損失是SmoothL1造成的損失；其總的損失函數(shù)表達(dá)式如下： RPN和ROI的分類損失表達(dá)式相同，均是交叉熵?fù)p失；但RPN損失是二分類交叉熵?fù)p失，ROI損失是多分類交叉熵?fù)p失；其表達(dá)式如公式6所示； 其中，Ncls為總的anchor的數(shù)量；在RPN分類損失函數(shù)中，pi為第i個(gè)anchor的預(yù)測(cè)分類概率；p*i為標(biāo)簽，當(dāng)anchor為positive時(shí)，p*i＝1，當(dāng)anchor為negative時(shí)，p*i＝0；Lclspi，p*i是二分類交叉熵?fù)p失函數(shù)，其表達(dá)式如公式7所示； RPN和ROI的回歸損失函數(shù)均是由SmoothL1Loss計(jì)算的，SmoothL1Loss的表達(dá)式如公式8所示；回歸損失函數(shù)的表達(dá)式如公式9所示； 其中，Nreg由anchor位置的數(shù)量決定；p*iLregti,t*i表示只有正樣本才有邊框回歸損失；Lregti,t*i＝Rti-t*i,Rti-t*i是SmoothL1函數(shù)；λ為權(quán)重平衡參數(shù)；ti是第i個(gè)anchor預(yù)測(cè)的邊框回歸的參數(shù)化坐標(biāo)；進(jìn)行μ次迭代訓(xùn)練，保存訓(xùn)練好的網(wǎng)絡(luò)參數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安金源電氣股份有限公司，其通訊地址為：710000 陜西省西安市高新區(qū)畢原一路西段901號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。