金年会·(中国)官方网站

       金年会科技施工操作流程違規作業監測系統通過 python+yolov8 網絡深度學習技術，對高危場景下作業人員未按照操作流程進行正常操作行為進行實時分析識別檢測，發現現場人員違規作業操作行為，不需人為干預，立即自動抓拍存檔預警。YOLOv8 在 5 FPS 到 160 FPS范圍內，速度和精度都超過了所有已知的目標檢測器。并在 V100 上，30 FPS 的情況下達到實時目標檢測器的最高精度 56.8% AP。YOLOv8 是在 MS COCO 數據集上從頭開始訓練的，不使用任何其他數據集或預訓練權重。

       隨著國家經濟的高速發展，工程項目數量、規模也隨之增加，增加了現場安全風險。工程施工一般為立體交叉作業，室外作業占比較大。整個工程的作業管理工作包含諸多領域，人員管理作為一個重要的部門備受關注。因為作業人員的安全意識、作業流程章程的執行嚴重影響著施工安全。一旦發生違章作業行為就會造成比較嚴重的后果，威脅工作人員的人身安全和工程的財產安全。為了預防事故的發生、消除安全隱患，各施工現場都會采取視頻監控、智能識別等方式對現場操作人員進行實時監測，監督作業規范，保障安全生產。

       建設工程安全文明施工與質量提升,全方位的監測施工人員、各類器械設備、消防安全隱患，并提前對風險進行預警并實施管控，運用AI技術實現智慧工地管理。金年会科技施工操作流程違規作業監測系統對工地作業區域實現監測全覆蓋，一旦發現安全隱患即刻報警推送至管控中心。智慧工地極大提高了對各部人員、外包人員的管理有效性，擺脫低效的人力監督方式。

       在施工過程中的視覺行為識別一般可分為視頻跟蹤和行為識別。在視覺行為識別過程中需要考慮光照變化、場景變化、功能高低、行為夸張、拍攝角度等，進行不同組合來抓取行為視頻數據。也就是說，視覺行為識別主要是通過攝像頭采集作業人員的某一個動作數據通過軟件加以分析并輸出、對比已預設的動作數據來判斷是否符合預先的要求。然而，視覺識別最大的難點就是施工現場不僅僅是單人跟蹤，一般為多人跟蹤，拍攝的遮擋、工人服裝的統一、重疊、違規動作幅度的大小等都是巨大的挑戰。