一种佩戴安全帽监测系统及方法
    2.
    发明公开

    公开(公告)号:CN118587639A

    公开(公告)日:2024-09-03

    申请号:CN202410539602.8

    申请日:2024-04-30

    Abstract: 本发明属于电力技术领域,本发明所述方法包括,第一目标检测模块、第二目标检测模块、数据融合模块、反馈与报警功能模块、优化机制模块,本发明通过实时监测人员是否佩戴安全帽,提高了工人和管理者的安全意识,降低了意外事故发生率,该系统取代了人工巡检,节约了人力成本,提升了安全管理效率和准确性,确保了安全措施得到全面执行,使其能够及时发出报警信号,帮助发现未佩戴安全帽的工人,减少了安全隐患,实现了预防控制,避免了意外事故发生,同时,通过自适应学习和优化机制,系统不断改进自身性能,适应不同场景和环境,保持高效稳定的运行状态,提高了安全监测的准确性和可靠性。

    一种用于员工作业资质检测的智能识别预警方法及系统

    公开(公告)号:CN118586752A

    公开(公告)日:2024-09-03

    申请号:CN202410539596.6

    申请日:2024-04-30

    Abstract: 本发明属于安全监控和预警领域,本发明所述方法包括,通过数据采集模块获取员工的个人信息和作业环境数据,使用SSL/TLS加密技术对数据进行加密;资质识别模块根据作业类型识别员工所需的工作资质,获取工作票的信息确定具体的资质要求,并通过数据对比模块将员工的资质信息与系统预设的作业要求进行比对,确定员工资质是否符合要求;当员工资质不符合要求或未进行登记时,系统预警模块发出对应预警级别的预警信号,并通过通知模块进行对抗训练。本发明实现对作业现场人员的实时高效识别,精准判断作业人员的资质情况,避免传统人工评估的主观性和不确定性,触发不同级别的预警机制,从轻微预紧到严重预警,为管理人员提供了有针对性的管理依据。

    一种基于WAPI通信的无线终端用户画像构建方法

    公开(公告)号:CN117675609A

    公开(公告)日:2024-03-08

    申请号:CN202311644054.7

    申请日:2023-12-01

    Abstract: 本发明所述方法及系统,涉及无线通信技术领域包括:采集WAPI通信数据,构建三维张量捕获WAPI通信数据关系,通过张量分解保留数据原始结构和关系;基于张量构建分解构建特征嵌入模型;通过用户特征关系分析输出综合用户画像评分模型;根据用户反馈对综合用户画像评分模型输出特征修正。本发明提供的一种基于WAPI通信的无线终端用户画像构建方法通过张量构建与张量分解提取特征嵌入,捕获数据并保留数据原始结构和关系,提供压缩但信息丰富的用户表示和相同数据集更高的预测准确率,通过构建综合用户画像评分模型,提供更精确的用户画像、更快的处理速度和更高的资源利用率,本发明在准确率、时间成本和资源利用方面都取得更加良好的效果。

    一种低压电力线载波通信可信接入管理方法及系统

    公开(公告)号:CN114006729B

    公开(公告)日:2023-12-01

    申请号:CN202111152877.9

    申请日:2021-09-29

    Abstract: 本发明公开了一种低压电力线载波通信可信接入管理方法及系统,其中,一种低压电力线载波通信可信接入管理方法包括,通过交换模块接收和过滤来自可信接入请求点的分组数据,并将验证协议报文和过滤后的分组数据发送至接入验证协议处理模块进行分析处理;通过验证协议处理模块解析分组数据内容,将符合验证协议的分组数据发送至接入验证模块,并删除不符合验证协议的分组数据;接入验证模块通过调用接口,对符合验证协议的分组数据进行验证判决;端口状态控制模块根据验证判决结果控制交换模块各个端口的连接状态,并对交换模的数据过滤操作进行管理;本发明降低了安全认证的复杂度,能够满足大量终端设备对于安全性和实用性

    一种低压电力线载波通信系统防入侵方法

    公开(公告)号:CN114024713B

    公开(公告)日:2023-08-08

    申请号:CN202111157583.5

    申请日:2021-09-30

    Abstract: 本发明公开了一种低压电力线载波通信系统防入侵方法,包括,数据预处理;特征选择收敛性判定,若判定收敛,则进入在线入侵检测,反之,则进入下一步骤;基于双向搜索的特征选择改进;基于神经网络算法的学习器改进;学习器训练收敛性判定,若判定收敛,则进入特征选择收敛性判定,反之,则重复上一步骤,通过对不平衡数据集采用FocalLoss损失函数进行优化,有效提升了低压电力线通信网络防入侵概率和入侵检测精度,提出了CNN‑Focal分类模型,该模型将卷积神经网络中的门限卷积和Softmax应用于入侵检测领域中进行多分类,解决了由于包裹式特征选择模式自身固有的计算效率偏低、计算过程复杂、收敛性较差的问题,提高了入侵检测的准确率和计算效率。

Patent Agency Ranking