程 哲,程 劍,蘇 章,劉曉鴻,李文建,吳誠云,趙恩堂

(1.中建三局集團(深圳)有限公司,廣東 深圳 518110; 2.中建三局第一建設有限責任公司,湖北 武漢 430041)

0 引言

安全管理一直是項目管理中的重中之重,傳統施工現場安全管理方式主要依靠人工查看方式,存在效率低下、無法兼顧所有監控信息源、不能及時發現安全隱患等問題。新冠肺炎疫情大環境下,對施工現場安全管理提出了更高要求。

近年來,監控系統在施工現場的普及及深度學習在語音識別、圖像識別方面的應用,為施工現場安全管理提供了新視角。基于深度學習算法的人工智能圖像識別技術已逐步成熟,利用AI算法可對現場出入口、工作面、日常巡檢位置等場景的不安全因素進行智能識別、拍照取證、警示提醒等,利用人工智能技術進行視頻監控管理,能代替人工完成規范現場工人行為、發現安全隱患等工作。并利用人臉識別、人數統計結合實名制管理系統建立安全智能管理機制,提高現場安全管控水平。

1 關鍵技術

將AI算法與視頻管理系統進行有機結合,開發了基于視頻監控的安全管理系統,實現監控錄像、算法識別數據的集成應用。通過人臉識別、人數統計結合實名制管理系統創新安全智能管理模式,提高現場安全管控水平,為施工現場安全管理提供智能化識別技術和高效管控機制。

1.1 集成智能算法視頻監控安全管理系統

1.1.1基于對抗神經網絡的算法庫開發

在研究現有成熟圖像識別算法的基礎上,針對現場安全管理重難點,結合技術特點與適用性,利用項目豐富的視頻監控數據,進行訓練優化,并且專業人員采用算法反哺模式,持續不斷提高圖片識別準確率,建立安全管理算法庫。算法包括人臉識別、安全帽識別、反光衣識別、越界監測、口罩識別和智能人數識別。算法反哺模式下的不安全行為識別如圖1所示。

圖1 算法反哺模式下的不安全行為識別

算法訓練以業界標準的PyTorch框架為基礎,為每種算法準備至少8 000多份圖片和元素標記素材。其中量化訓練6 000多份,結果測試訓練2 000多份。通過反復多次訓練并進行結果比較,優化算法檢測結果,保證最優識別有效率。通過在實際施工工程中不斷收集實時高清照片方式,不斷積累、更新并補充算法庫圖片,形成海量圖片庫,并且專業人員采用算法反哺模式,持續不斷地提高圖片識別準確率,目前識別率均達到99%以上,且識別時間在500ms以內。優化識別率的算法基礎架構如圖2所示。

圖2 優化識別率的算法基礎架構

1.1.2集成智能算法視頻監控系統架構研究

研究視頻監控系統的硬件架構,將AI算法與視頻管理系統進行有機結合,完成視頻監控安全管理系統的開發(見圖3),實現監控錄像、算法識別數據的集成應用。

圖3 基于AI算法的視頻監控開發

1.1.3集成智能算法視頻監控安全管理系統軟件開發

智能算法視頻監控安全管理系統主要功能包括監控實時查看、視頻錄像回放、視頻導出、算法配置、識別信息統計分析、安全問題自動響應等(見圖4),在滿足傳統監控管理平臺的基礎上,集成AI算法識別數據。

圖4 智能算法視頻監控安全管理系統主要功能

1.2 基于視頻監控的安全管理AI智能裝置

自主研發的AI智能魔屏、電梯超限兩項智能裝置實現了施工現場出入口及施工電梯等多場景安全智能監控,將AI算法用于現場實際管理,達到利用人工智能算法提高現場安全管控水平的目的。

1.2.1AI智能魔屏裝置

通過一體成型機身及將零部件高度封裝,研發了一種AI魔屏裝置(見圖5)。在PLC上安裝有信息采集模塊、無線傳輸模塊、儲存模塊、信息處理模塊和報警模塊,達到利用人工智能算法提高現場安全管控水平的目的。

圖5 AI智能魔屏裝置

1.2.2電梯超限裝置

電梯超限裝置適用于一種基于信息化的無人駕駛施工電梯,通過電梯內攝像機獲取信息傳輸至交換機后反饋至監控顯示器,工作原理如圖6所示。電梯超限裝置整體設計如圖7所示。

圖6 電梯超限裝置工作原理

圖7 電梯超限裝置整體設計

在應用過程中,電梯內顯示器在無人員出入時,循環播放安全教育提示片,當有人進入時,利用攝像頭獲取電梯轎廂內狀況,利用AI圖像分析技術,通過分析結果對施工電梯進行管控,并對乘坐人員未佩戴安全帽、未穿反光衣、人數超限等問題進行語音播報提醒,解決了施工電梯機械化程度小的問題,并提高使用效率,可將分析結果數據儲存。

1.3 基于不安全行為視頻監控的現場安全智能管控技術

基于AI算法的智能裝置在項目上的使用,實現了軟件、算法、數據接口及設備間的通信和鏈接,進行多采集端數據融合。魔屏、魚眼攝像頭、智能安全帽、巡檢眼鏡、巡檢機器狗以及在施工現場部署的各類攝像頭等監控設備的定位數據,與拍攝到的畫面數據同步傳輸至數據網關,同一時空范圍的監控設備統一進行行為識別,多源數據進行融合監測,并對結果融合判定,最終將不安全行為的實施人員、實施地點、照片等結果推送至前端,增強對不安全行為的識別能力與空間定位能力。基于不安全行為視頻監控的現場安全智能管控技術如圖8所示。

圖8 基于不安全行為視頻監控的現場安全智能管控技術

基于深度學習算法的不安全行為智能識別技術,實現了項目管理人員可視化管理與領導遠程管控,完成“項目-區域-公司”的智能安全管控體系的建立,推動管理信息化,有效提升了項目安全管控能力。

2 推廣應用情況

該技術在荊州市民之家建設項目和新江灣城F區F1-D地塊商辦項目施工中完成了試點應用。

荊州市民之家建設項目是集政務服務、公共資源交易、大數據統計分析、人防宣傳教育、婦女兒童與青少年活動、科學科普為一體的公共活動場所。總建筑面積8.02萬m2,地下1層,地上6層,建筑高度32.1m;新江灣城F區F1-D地塊商辦項目總建筑面積13.6萬m2,地下2層,裙樓4層,塔樓49層,總高度280m,建成后將成為楊浦第一高樓,致力打造新的核心商業區。AI魔屏及電梯超限設備在項目上的應用,將項目監控數據接入AI管理平臺進行AI識別及記錄。

3 社會及經濟效益分析

3.1 社會效益

通過應用該技術,對項目安全隱患實現全面排查,從源頭減小安全事故發生的可能性,同時可有力規范現場工作人員行為,提高安全文明施工水平,創造顯著的社會效應和環境保護價值,同時在行業內率先完成人工智能、大數據等高新技術的應用探索,提升行業信息化水平,推動行業管理模式和生產方式的變革。

3.2 經濟效益

自本成果在荊州市民之家項目應用起,項目每月新增不安全行為通報220起,預警安全風險76處,安全事故較之前每月減少5起,同時可減少項目安全事故發生概率及發生安全事故導致的經濟損失。為項目建設AI安全管理平臺節約軟硬件采購費用共計3.3萬元。目前試點應用項目達12個,直接經濟效益約3.3×12=39.6萬元以上。

4 實施應用前景

1)升級改造“零”成本 目前許多項目配備了先進的視頻監控系統,本課題只需在現有監控系統基礎上稍加改造,便可施行,在硬件上具備推廣可行性。

2)提升項目安全管控水平 將深度學習算法與項目安全管理進行有機結合,推動公司項目管理信息化,提升工作效率,著實有效提升項目安全管控水平。

3)助推數據提質增效 目前,建筑行業正處于數字化轉型的關鍵進程中,基于深度學習的不安全行為智能識別技術為項目現有視頻監控數據提質增效,將靜態視頻數據轉化為動態管理信息,為建筑行業發展創造更深遠的價值。