基于5G邊緣計算的航道工程吊裝作業安全風險感知技術研究

王愛民，劉 斌，楊柏舜，楊 櫻

(1.揚州市港航事業發展中心，江蘇 揚州 225009；2.江蘇長天智遠交通科技有限公司，江蘇 南京 210036)

1 項目背景

京杭運河施橋船閘至長江口門段航道整治工程起自施橋船閘，止于六圩長江口，沿途經過揚州市廣陵區、經濟開發區，止于六圩長江口，航道總體呈南北走向，與長江岸線基本正交，全長5.37 km，代表船型為2 000 t級京淮貨船，尺度為68 m×13.8 m×3.0 m。本工程按II級航道標準整治，設計最大船舶等級為2 000 t級；航道底寬不小于70 m，最小水深4.0 m；同時對施橋船閘3號閘下游處的一排水口進行改造，工程按照Ⅱ級航道標準實施生態岸線修復和航道疏浚，全面拆除沿線礙航橋梁、碼頭，新建六圩大橋，規劃建設停泊商業服務于一體的船舶停靠服務區，新增84個船舶帶閘泊位，配套完善沿線航道標志標牌等實施內容。

交通運輸部《關于打造公路水運品質工程的指導意見》中提出“應探索‘互聯網+交通基礎設施’發展新思路，推行‘智慧工地’建設，提升項目管理信息化水平”的要求。為實現水運工程施工質量、安全監管和全國過程監管，結合京杭運河施橋船閘至長江口門段航道整治工程實際需求，針對項目建設過程中鋼板樁、灌注樁、鋼筋砼承臺等施工環節需大量進行起吊作業，同時缺乏主動發現安全風險、預防安全事故的有效手段，導致項目施工過程存在較大安全隱患的實際情況。本文依托京杭運河施橋船閘至長江口門段航道整治工程實際需求，開展基于5G邊緣計算的航道工程安全風險感知技術研究，重點針對施工質量和安全監管過程中需要重點關注的關鍵節點和關鍵位置，利用5G[1]、邊緣計算[2]和AI視頻智能分析[3]等技術實現對項目中起吊作業的全過程跟蹤，以達到對于工程質量安全的全過程監管要求。

為了消除工程的安全隱患，提高工地施工智慧監管水平，本文分析現場起吊過程的安全風險因素，通過安裝傳感器和攝像頭實現施工現場起吊作業的實時信息數據的自動化采集，基于5G、邊緣計算及AI視頻識別技術完成對感知和視頻數據的處理，建立算法實現對起吊物尺寸識別、起吊區域安全范圍的實時計算并通過視頻監控實現危險區域預警功能，大幅度提高起吊作業的安全管理效率。

2 航道工程吊裝作業安全生產風險因素分析

吊裝作業是航道工程施工、檢修過程中的重要環節，起重機械通常具有較為復雜的機構，完成上升運動和水平運動。所吊構件多種多樣，載荷也隨之變化；大多數起重機械，需要在一定的空間運行；起重機械與吊運人員經常直接接觸，有潛在的偶然危險因素；作業環境的復雜性；吊運過程中的分工配合復雜等特點，在實際過程中存在風險隱患大、危險性高的問題。

結合航道起吊施工過程中的特點，分析起吊過程中安全生產影響因素，特別針對起吊區域下方的安全管控，采用物聯網和AI技術，采集感知起吊施工過程中的各種風險因素，構建算法模型，對起吊物下方的危險區域進行精準識別，并通過視頻識別技術，實現對進出危險區域人和動態物體的感知和報警。

根據《起重機械的安全技術管理》《無損檢測技術在起重機械安全檢驗中的應用》《關于大型起重機械安全技術吊裝的思路分析》《起重事故原因分析與起重機安全技術檢驗》《建筑地基基礎工程施工質量驗收標準》(GB 50202—2018)等相關標準規范中對本項目提出的技術要求，結合之前施工過程中的一些風險問題及防治措施，梳理本項目可以結合AI視頻智能分析的相關應用場景，對照市面上的各類智能化安全防范設備，提出本項目中能夠實現項目施工過程智能化安全防范管控的應用技術。

分析起重作業的生產過程，起重事故具體表現為以下15類。

(1)起升高度限位器失靈將會導致過卷事故的發生，由于過卷，鋼絲繩拉斷從而使吊物與鉤頭一起墜落。

(2)力矩限制器不全或失效，雖說超負荷起吊是導致整機傾覆事故的主要原因，但如果力矩限制器能可靠地起作用，則可從客觀上避免此類事故的發生。

(3)起重機在高壓線附近作業時缺少安全防護，導致觸電事故的發生。

(4)吊鉤上無防脫鉤棘爪，將導致吊索繩從鉤中脫落，造成墜落事故。

(5)運行中的起重機、吊具及吊物擺動對人和周圍設施造成的擠壓或撞擊。在起重機作業范圍內，非作業人員不準進入，起重臂和重物下方不得站人；起重機停止作業時，要將重物落位，不準將重物懸在空中，防止發生危險；同時起重機作業場所要有暢通的吊運通道，并與附近的設備、管線及建筑物等保持一定的安全距離，不得發生碰撞情況；起重人員在起吊時應站在安全地點，距吊物必須有2 m以外的退讓余地。禁止站在起重機和吊物的死角處。

(6)吊鉤超載斷裂、吊運時鋼絲繩從吊鉤中滑出；或鋼絲繩、麻繩斷裂造成重物下落，發生設備、人員事故。起重作業中，對吊索具安全系數理解錯誤，往往以不斷為使用的依據，致使超載作業，處在危險狀態。指揮人員首先要了解被吊物體的重量，不準起吊埋在地下、凍結在地面或設備上的重物；確定合適的吊索具，嚴禁使用應報廢的鋼絲繩、吊鉤等索具。另外，工件正式吊裝前必須進行試吊，檢查全部機具受力情況，合格后方可正式起吊。

(7)電氣設備漏電、保護裝置失效、裸導線未另加屏蔽等造成觸電。對各種電氣設備要定期進行檢查，發現破損、老化等現象，要及時修理和更換，不得湊合使用，現場施工用電必須嚴格按電氣操作規程進行。

(8)吊耳脫落導致吊物墜落事故的發生。吊耳作為吊裝時的承重點，是影響吊裝作業安全的一個重要環節。對于設備吊耳，有些是出廠時已焊好，有些設備的吊耳是根據現場施工要求焊上的，但無論哪種情況，都必須進行受力核算，以確保吊裝工作的安全。

(9)鋼絲繩從滑輪中跳出輪槽。鋼絲繩和滑輪配合使用時，必須注意防止鋼絲繩從輪槽中跳出。如果鋼絲繩脫落了輪槽后還在繼續使用，鋼絲繩將會產生擠壓變形、扭結、斷絲、斷股，嚴重縮短鋼絲繩使用壽命，如果發生斷繩現象，往往會帶來災難性的后果。因此，滑輪應有防止鋼絲繩跳出輪槽的裝置。

(10)吊掛方式不正確，造成重物從吊鉤中脫出。起重機吊鉤應設有防止吊物意外脫鉤的保險裝置，使用安全吊鉤。

(11)吊具或鋼絲繩與導電線意外接觸。根據規程，吊車在架空輸電線路附近工作時，起重臂、鋼絲繩和重物等與架空輸電線路的最近距離應不小于電力建設安全工作規程中的規定。

(12)起重作業涉及面大，經常使用不同單位、不同類型的起重機具。由于操作習慣不同、性能不同，再加上指揮信號的差異影響，容易發生誤操作等事故。指揮人員、司索人員應嚴格執行安全操作規程，必要時進行作業演練。

(13)司機與指揮人員聯絡不暢，或誤解吊運信號。吊裝時，應有專人負責統一指揮，指揮人員應位于操作人員視力能及的地點，并能清楚地看到吊裝的全過程。哨音必須清楚、響亮，旗語、手勢應準確，如信號不明確時，應立即詢問，嚴禁憑估計、猜測進行操作。

(14)綁扎不牢、重物空中墜落傷人。高空吊裝拆除時對被吊物應采取“鎖”的措施，而不能用“兜”的方法；對被吊物的尖銳棱角應采取“墊”的措施，以避免吊物綁扎不牢，在空中受刮碰而失穩墜落傷人。

(15)作業中缺乏預見因素。由于種種原因，如物件估重不準、切割不徹底、拆除件受擠壓增加荷重、連接部位未被發現強行起吊等，造成吊車、吊索具驟加荷重而導致意外。

分析航道吊裝作業的過程和產生事故的因素，在吊裝過程中主要產生安全事故的因素可以歸納為起吊方案、起吊前設備檢查、起吊人員認證、起吊過程監控等，其中，起吊過程監控包括起吊環境監測、安全區域禁入監測、人員安全裝備檢測等。針對吊裝作業安全風險因素的類型和監管的主要手段進行分析總結，如表1所示。

表1 吊裝作業的安全風險因素分析

以上安全風險因素，在實際的施工過程中需要通過多種手段來進行檢測和監控，結合現有的信息化手段和技術，能夠通過信息化手段實現現場監測和預警的安全生產風險因素主要有以下幾點：

(1)起重作業人員無證上崗；

(2)起重工及其他操作人員未戴安全帽等個人防護用品；

(3)未設安全警示區；

(4)風力過大、違章作業造成起重機傾覆。

針對以上因素開展了基于5G邊緣計算的航道工程起吊安裝作業安全風險感知技術研究，通過現有各種信息化手段實現對航道工程中起吊安全作業的安全風險感知，實現預警和報警，提高生產安全監管水平。

3 系統構架和功能

航道工程吊裝作業安全生產風險監控平臺總體框架如圖1所示，系統主要由基礎設施層、網絡層、數據層、支撐層、應用服務層、應用層和表現層7部分組成。基礎設施層主要實現視頻監控數據、吊臂上安裝的傳感數據、邊緣節點的計算結果數據和云平臺的數據資源。網絡層主要包括5G網絡、互聯網和交通專網。數據層主要包括基礎數據庫和業務數據庫，涵蓋起吊設備信息、視頻數據、感知數據等。支撐層和應用服務層通過流媒體服務、算法模型和AI視頻識別技術為系統提供支撐。平臺應用主要從起吊施工感知、施工人員認證、穿著裝備識別、起吊物外形檢測和App應用5個模塊提供服務(見圖1)。

圖1 總體架構

航道工程吊裝作業安全生產風險監控平臺主要包括起吊施工監管、施工人員認證、穿著裝備識別、起吊物外形檢測和App 5個功能模塊(見圖2)。平臺針對起吊物尺寸識別、起吊機械的安全感知、起吊作業人員的認證、起吊危險區域的動態劃定、區域闖入報警、作業人員安全帽識別報警開展平臺功能設計，平臺充分整合起吊機械施工安全感知系統和智慧工地系統，實現對航道工程吊裝作業安全生產風險的全面感知和預警報警。

圖2 功能設計

3.1 起吊施工監管

對起吊施工過程中吊機和吊臂的實際狀況進行監管，包括風速風向傳感器、角度傳感器、重量傳感器，實現吊裝作業現場環境數據采集、吊車姿態采集和吊物重量采集；風速風向數據采集基于機械式風速風向傳感器，當吊裝作業環境風速超過安全預警門限時提醒現場作業人員盡快停止作業，同時根據風速、風向對吊裝作業潛在危險區域進行劃分和調整；傾角傳感器對吊裝作業時吊車的姿態進行采集，根據吊車姿態動態調整視頻監控畫面抓拍區域。

模塊通過對起吊前端感知設備數據采集，獲取前端的風速、風向、大臂傾斜角、吊物重量等現場風險因素進行感知，計算起吊過程中的危險區域，并對危險區域闖入進行報警。主要包括傳感器數據管理、算法模型管理、邊緣節點管理、危險區域界定、危險預警報警、起吊物尺寸識別等功能。

傳感數據管理主要實現對前端感知的數據進行管理，包括對數據的存儲管理、異常數據管理、數據的采集管理等。算法模型管理是對前端數據進行分析輸出，根據結果對算法進行修正，調整保證算法輸出結果貼近實際。邊緣節點管理是對前端邊緣設備進行管理，可實現對多個節點的管理，包括節點位置、節點的數據項、計算結果管理。危險區域界定是通過對前端吊機上的攝像機采集的圖像，結合前端感知設備的數據和算法的結果，在視頻中自動劃定危險區域，實現危險區域的動態變化。危險區域報警是當危險區域有人闖入時自動報警，發送給后臺監控人員。起吊物尺寸識別是通過吊臂攝像機對起吊物的水平面尺寸進行計算和判別，從而作為吊物下落覆蓋區域的識別依據之一。

3.2 施工人員認證

通過人臉識別技術實現對吊機操作人員的認證，對沒有通過識別的人員進行報警和彈框警示，同時實現對所有人臉識別操作的記錄和查詢，主要包括人臉庫管理、人臉識別、實時比對報警、人臉比對歷史查詢等功能。人臉庫管理對具有吊機施工資質的人員進行人臉圖片的采集和保存，建立人臉資源庫，為人臉比對提供依據。人臉識別通過開發人臉識別算法實現前端圖像與人臉圖片的比對，比對的具體流程為：移動人臉抓拍設備獲取人臉圖片并發送至云端算法服務器，進行驗證和識別后發送給平臺端進行記錄查詢和檢索。具體實施結果見圖3。

圖3 算法實現過程

實時比對報警是將比對的結果實時提交后方平臺報警，提醒監控人員注意。人臉比對歷史查詢實現對歷史比對結果的存儲和查詢，以便于開展分析和跟蹤。

3.3 穿著裝備識別

通過視頻檢測技術，實現在起吊過程中吊物下方區域內人員安全帽佩戴情況的檢測和報警，主要包括實時識別和歷史檢測結果。實時識別采用基于隨機Hough變換人頭定位的安全帽檢測算法，利用人頭和安全帽都為圓形的特征，考慮先使用隨機Hough變換檢測圓來確定人體的頭部，然后再利用安全帽的顏色特征，通過HSV模型[4]來確認安全帽是否存在于人體頭部，該算法流程如圖4所示。

圖4 基于隨機Hough變換人頭定位的安全帽檢測算法流程

(1)選擇行人檢測算法中得到的行人檢測區域上半部分作為安全帽檢測的ROI區域。

(2)設定閾值，將圖像二值化。

(3)使用邊緣檢測算子Canny提取圖像的邊緣，得到圖像的輪廓。

(4)通過隨機Hough變換來對圖像中的圓進行檢測，并標注為圖像中的人頭部分。

(5)對圖像中的人頭部分進行特定顏色的HSV模型的二值轉化。

(6)判斷該區域是否存在白色像素點的連通區域：如存在，則判定佩戴了安全帽；反之，則判定未佩戴安全帽。

3.4 起吊物外形檢測

通過視頻算法，實現對起吊過程中鋼板樁長度的識別和管理。主要包括起吊物管理、算法管理、檢測結果記錄、統計分析等模塊。通過圖像深度學習技術判斷并記錄在幾個關鍵位置的信息，通過機器視覺技術測量長度，實現對鋼板樁長度的測量并記錄。

4 實施結果

航道工程吊裝作業安全生產風險監控平臺主要包括起吊施工監管、施工人員認證、穿著裝備識別、起吊物外形檢測和App 5個功能模塊。平臺針對起吊物尺寸識別、起吊機械的安全感知、起吊作業人員的認證、起吊危險區域的動態劃定、區域闖入報警、作業人員安全帽識別報警開展平臺功能設計，平臺充分整合起吊機械施工安全感知系統和智慧工地系統，實現對航道工程吊裝作業安全生產風險的全面感知和預警報警。