融合改进YOLO与知识图谱大模型的塔机风险自动感知框架
施工塔机作业环境复杂且动态变化，具有固有高风险，增强操作人员的感知和认知能力对于安全保障与态势感知至关重要。本文提出集成框架，将改进的YOLOv8模型与知识图谱增强的大语言模型结合，实现主动、智能的安全管理。改进YOLOv8引入基于注意力的优化，提高塔机视角下小目标检测精度；领域安全知识图谱用于表示关键实体、关系和操作情境，并与微调后的GPT模型对齐，从而支持语义推理和情境化危险解释。集成系统把视觉感知与结构化知识推理连接起来，提供实时、可解释的安全反馈。该方法提升了塔机操作人员的感知、理解和决策能力，推
