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！

龙图腾网恭喜西安金源电气股份有限公司申请的专利基于Faster-RCNN算法的电力作业中安全帽监测方法及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：CN114694178B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202210290515.4，技术领域涉及：G06V20/52；该发明授权基于Faster-RCNN算法的电力作业中安全帽监测方法及系统是由王孝敬;王鹤鸣;纪超;王亮;刘家兵;武健;侯威设计研发完成，并于2022-03-23向国家知识产权局提交的专利申请。

本基于Faster-RCNN算法的电力作业中安全帽监测方法及系统在说明书摘要公布了：本发明公开了一种基于Faster‑RCNN算法的智能安全帽检测方法及系统，融合迁移学习和Faster‑RCNN算法对安全帽进行检测，首先对Faster‑RCNN网络进行改进，利用k‑meansII对生成anchor框方案进行改进，引入残差网络与注意力机制模块，增强检测精度，同时网络融合迁移学习解决样本不足的问题，然后对搭建好的整个网络进行训练，将训练集输入到第μ次迭代后的网络中进行训练，保留其权重参数。构建测试集的基准网络，选取μ次迭代结果中效果最佳的网络参数作为测试集的基准网络，将测试集输入基准网络中进行测试得到测试结果。大大提升了检测精度，利用图形图像智能识别技术，对现场作业范围内的人员是否规范佩戴安全帽进行识别，给予及时告警，防止现场作业出现事故。

本发明授权基于Faster-RCNN算法的电力作业中安全帽监测方法及系统在权利要求书中公布了：1.基于Faster-RCNN算法的电力作业中安全帽监测方法，其特征在于，包括：采集巡检视频，通过巡检视频获得目标图像，利用标注工具对单帧目标图像中的安全帽进行标注，并保存其信息，得到样本数据；采用Faster-RCNN对图像中的目标区域进行检测：首先根据目标的相似性，对预训练数据库ImageNet中的图像样本进行重采样，再利用重采样后的数据集对网络参数进行预训练；结合迁移学习和Faster-RCNN网络对网络进行训练，进行μ次迭代训练，保留最佳的网络权重参数；构建测试集的基准网络，选取μ次迭代结果中效果最佳的网络参数作为测试集的基准网络，将测试集输入基准网络中进行测试得到测试结果；结合迁移学习和Faster-RCNN网络对网络进行训练，保留最佳的网络权重参数：预训练完成后，在预训练模型的基础上用制作的安全帽数据集对参数进行优化，并最终用于安全帽检测中；Faster-RCNN中的损失分为回归损失和分类损失两大类，分类损失是Softmax，回归损失是SmoothL1造成的损失；其总的损失函数表达式如下： RPN和ROI的分类损失表达式相同，均是交叉熵损失；但RPN损失是二分类交叉熵损失，ROI损失是多分类交叉熵损失；其表达式如公式6所示； 其中，Ncls为总的anchor的数量；在RPN分类损失函数中，pi为第i个anchor的预测分类概率；p*i为标签，当anchor为positive时，p*i＝1，当anchor为negative时，p*i＝0；Lclspi，p*i是二分类交叉熵损失函数，其表达式如公式7所示； RPN和ROI的回归损失函数均是由SmoothL1Loss计算的，SmoothL1Loss的表达式如公式8所示；回归损失函数的表达式如公式9所示； 其中，Nreg由anchor位置的数量决定；p*iLregti,t*i表示只有正样本才有边框回归损失；Lregti,t*i＝Rti-t*i,Rti-t*i是SmoothL1函数；λ为权重平衡参数；ti是第i个anchor预测的边框回归的参数化坐标；进行μ次迭代训练，保存训练好的网络参数。

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西安金源电气股份有限公司，其通讯地址为：710000 陕西省西安市高新区毕原一路西段901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”。