中国矿业大学张磊获国家专利权
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!
龙图腾网获悉中国矿业大学申请的专利一种应用于煤矿井下工种识别的员工移动模式学习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:CN115205905B 。
龙图腾网通过国家知识产权局官网在2026-03-27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:202211018940.4,技术领域涉及:G06V40/10;该发明授权一种应用于煤矿井下工种识别的员工移动模式学习方法是由张磊;侯萱;刘佰龙;梁志贞;许昱林;邓宇帆设计研发完成,并于2022-08-24向国家知识产权局提交的专利申请。
本一种应用于煤矿井下工种识别的员工移动模式学习方法在说明书摘要公布了:一种应用于煤矿井下工种识别的员工移动模式学习方法,属于煤矿井下数据分析技术领域。利用煤矿井下员工轨迹数据设计工种识别模型,该模型实现了识别输入的轨迹数据属于哪一个工种;包括:多语义嵌入模块、全局特征提取模块和工种识别模块。优点:采用图嵌入和词嵌入结合来学习员工的嵌入表示,并考虑到外部因素对员工移动轨迹的影响,能够获取到更丰富的语义信息;采用transformer技术来处理可变的长轨迹序列,并提取轨迹的全局语义特征,同时涉及一个用于自监督轨迹分类的对比学习网络,充分挖掘无标签数据的潜在价值,提升工种识别的精度,从而为煤矿井下调度平台提供技术支持,避免一人多卡问题,实现煤矿井下员工智能调度,维护井下生产安全。
本发明授权一种应用于煤矿井下工种识别的员工移动模式学习方法在权利要求书中公布了:1.一种应用于煤矿井下工种识别的员工移动模式学习方法,其特征在于:该方法引入井下员工的UWB超宽带定位数据、井下巷道地图数据和员工周围环境监测数据;利用煤矿井下员工轨迹数据设计工种识别模型;所述的工种识别模型包括:多语义嵌入模块、全局特征提取模块和工种识别模块;所述的UWB英文表示为UltraWideBand; 将轨迹数据预处理后,经过多语义嵌入模块,得到多方面的语义信息嵌入表示;再经过全局特征提取模块学习特征表示,得到全局时空依赖关系;最后经过工种识别模块,计算输入的轨迹数据属于每个工种的概率,从而提升工种识别的精度,为煤矿井下调度平台提供技术支持,即根据工种的分类结果进行信息推送,分别为不同的员工推送不同的消息,避免一人多卡问题,实现煤矿井下员工智能调度,维护井下生产安全; 具体步骤如下: 步骤1,采集煤矿井下员工移动轨迹信息,将采集到的数据进行预处理得到各员工的若干条子轨迹序列,所述的预处理依次为分组处理、清洗处理、插值处理和子轨迹划分处理; 步骤2,将步骤1预处理后的子轨迹序列进行轨迹增强处理;所述的轨迹增强处理分别是强增强处理和弱增强处理,得到强增强、弱增强和未增强的轨迹序列;所述未增强的轨迹序列为当前输入的子轨迹序列; 步骤3,利用步骤2得到的强增强、弱增强和未增强的轨迹序列分别经过多语义嵌入模块的移动偏好嵌入单元、轨迹序列嵌入单元、属性信息嵌入单元和嵌入连接层,生成强增强、弱增强和未增强轨迹序列的多语义嵌入表示;所述移动偏好嵌入单元,利用路网数据生成空间图,利用步骤2得到的强增强、弱增强和未增强的轨迹序列分别生成相应的访问图,并分别与空间图合并以构建相应的移动偏好图,采用图嵌入方法,得到员工移动偏好的嵌入表示;所述轨迹序列嵌入单元,将步骤2得到的强增强、弱增强和未增强的轨迹序列分别通过位置点嵌入、时间戳嵌入和拼接处理,得到轨迹序列嵌入表示;所述属性信息嵌入单元,基于步骤2得到的强增强、弱增强和未增强的轨迹序列分别计算移动速度以及提取传感器环境监测数据,即:温度、湿度、瓦斯浓度、CO数据,采用词嵌入方法,得到这些属性信息的嵌入表示;所述嵌入连接层是将移动偏好嵌入表示、轨迹序列嵌入表示、属性信息嵌入表示通过一个连接层进行连接操作,得到多语义嵌入表示; 步骤4,将步骤3得到的强增强、弱增强和未增强轨迹序列的多语义嵌入表示,采用transformer编码器与自监督学习中的对比学习方法,利用全局特征提取模块处理无标签、可变的长轨迹序列,得到轨迹的全局语义特征; 步骤5,将步骤4学习到的样本数据的特征表示,使用一个全连接神经网络,通过工种识别模块计算输入的轨迹数据属于每个工种的概率,以正确分类正样本和负样本,进而可以更好地训练模型; 步骤6,将员工轨迹数据分成训练样本和测试样本,使用设计的损失函数来训练所述工种识别模型,逐步训练优化参数以实现对员工轨迹所属工种的识别。
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中国矿业大学,其通讯地址为:221116 江苏省徐州市大学路1号中国矿业大学;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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励