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深度学习的电网施工作业人员风险行为检测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：CN121353865B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511511762.2，技术领域涉及：G06V10/82；该发明授权一种基于深度学习的电网施工作业人员风险行为检测方法是由谢国波;何炯星;黄小兵;刘岩;周宇;连凯;罗楷聪;王泽玮;温诗恒;苏庆;林志毅;张豪设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于深度学习的电网施工作业人员风险行为检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的电网施工作业人员风险行为检测方法，包括：构建并预处理电网施工作业人员数据集，得到增强电网施工作业人员数据集；构建电网施工作业人员风险行为检测模型，模型依次包括用于提取多视角特征的多流特征互补增强卷积模块、用于聚焦关键信息的双注意力特征交互感知模块以及用于抑制背景干扰的多尺度池化特征协同模块；使用增强电网施工作业人员数据集对电网施工作业人员风险行为检测模型进行训练，得到优化后的模型；应用优化后的模型对目标区域进行识别，输出风险行为预测信息。本发明能够捕获多视角特征，极大增强了模型对不同场景、不同角度下风险行为的识别能力，显著提高了检测的召回率，有效解决了漏检问题。

本发明授权一种基于深度学习的电网施工作业人员风险行为检测方法在权利要求书中公布了：1.一种基于深度学习的电网施工作业人员风险行为检测方法，其特征在于，包括： 构建并预处理电网施工作业人员数据集，得到增强电网施工作业人员数据集； 构建电网施工作业人员风险行为检测模型，所述模型依次包括用于提取多视角特征的多流特征互补增强卷积模块、用于聚焦关键信息的双注意力特征交互感知模块以及用于抑制背景干扰的多尺度池化特征协同模块； 使用所述增强电网施工作业人员数据集对所述电网施工作业人员风险行为检测模型进行训练，得到优化后的模型； 应用所述优化后的模型对目标区域进行识别，输出风险行为预测信息； 多流特征互补增强卷积模块的处理过程包括： 对输入特征图并行进行不同空洞率的空洞卷积操作并拼接，形成基础多视角特征图； 对所述基础多视角特征图，分别通过最大池化、平均池化和最小池化三条并行路径进行处理，每条路径均沿垂直与水平方向进行池化并经卷积和激活函数操作，形成细节增强特征图、场景上下文特征图和异常响应特征图； 对所述细节增强特征图、场景上下文特征图和异常响应特征图分别进行全局池化操作，生成对应的细节增强注意力图、场景上下文注意力图和异常响应注意力图； 将所述细节增强特征图、场景上下文特征图和异常响应特征图分别与不同的所述注意力图进行逐元素相乘，得到多个交互特征图； 将所述多个交互特征图进行融合，输出精细化多视角特征图； 双注意力特征交互感知模块的处理过程包括： 将输入特征图分别输入风险感知通道注意力子模块和风险感知空间注意力子模块； 所述风险感知通道注意力子模块通过校准通道重要性权重，实现通道自适应选择，输出第一交互融合感知特征图； 所述风险感知空间注意力子模块通过校准空间位置重要性权重，捕获关键空间位置信息，输出第二交互融合感知特征图； 将所述第一交互融合感知特征图和所述第二交互融合感知特征图进行拼接，并输入风险特征冗余过滤子模块进行冗余信息过滤，输出增强精细化多视角特征图； 风险特征冗余过滤子模块的处理过程包括： 将输入特征图拆分为两份；对其中一份依次进行深度可分离卷积、拼接、展平、全连接及重塑操作，得到冗余过滤特征图； 将另一份原始特征图、其卷积结果与所述冗余过滤特征图进行残差融合，输出最终结果； 多尺度池化特征协同模块的处理过程包括： 对输入特征图，分别通过平均池化、最大池化和最小池化三条并行路径进行处理，每条路径均进行多层级的池化操作； 将三条路径中各层级池化操作得到的全部特征图进行拼接； 对拼接后的特征图进行卷积操作，输出最终特征图。

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：510090 广东省广州市越秀区东风东路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。