【摘 要】
：
传统建筑业安全风险防控主要采用基于人工巡检的“人防”手段,存在不可回溯、可靠性差、人力成本高等问题。基于视频监控的“物防”手段在一定程度上可提升风险防控能力,但无法实现实时的风险要素识别和预警。随着人工智能技术的快速发展,基于智能化目标识别技术的智慧工地“技防”手段成为大势所趋。论文结合建筑工地环境复杂多变的实际情况,研究部署便捷、支持风险要素目标实时识别的轻量级目标检测算法和实现智慧工地风险监测
论文部分内容阅读
传统建筑业安全风险防控主要采用基于人工巡检的“人防”手段,存在不可回溯、可靠性差、人力成本高等问题。基于视频监控的“物防”手段在一定程度上可提升风险防控能力,但无法实现实时的风险要素识别和预警。随着人工智能技术的快速发展,基于智能化目标识别技术的智慧工地“技防”手段成为大势所趋。论文结合建筑工地环境复杂多变的实际情况,研究部署便捷、支持风险要素目标实时识别的轻量级目标检测算法和实现智慧工地风险监测智能终端原型,为建筑工地的安全风险防控提供技术支撑。论文面向智慧工地的安全风险防控应用,深入调研和分析了实际应用需求。针对现有目标检测算法计算复杂度高、模型参数量大的问题,开展了轻量级目标检测算法研究,提出了一种面向边缘计算设备的轻量级目标检测算法。在此基础上采用感算一体的终端智能检测方案,设计并实现了智慧工地风险监测智能终端原型。此外,论文以中京电投风力发电项目施工为应用场景,制作数据集对智能终端原型系统进行了测试与分析。论文的创新点有:（1）针对现有基于SSD（Single Shot Multi Box Detector）的轻量级目标检测算法主要依赖预训练模型、模型结构调整困难的问题,采用特征融合和注意力机制方法,提出了一种可以从零开始训练的轻量级目标检测算法SSD7-FFAM。该算法面向边缘计算设备设计开发,具有结构灵活、便于优化等特点。（2）针对建筑业安全风险防控中“人防”和“物防”手段存在的人力成本高、回溯性差等问题,设计并实现了智慧工地风险监测智能终端原型。该智能终端原型将检测算法的推理和告警数据的存储转移到边缘端实现,能够提高效率且降低成本。经测试,论文提出的轻量级目标检测算法在人工标注数据集上训练得到的模型参数量为1.48 MB,在NVIDIA Jetson TX2上运行达到了88.3%的平均检测精度和0.140s的单帧图像平均检测时长,能够基本满足应用需求与设计要求。
其他文献
在“十四五”规划的推动下,为发挥我国风能资源丰富的优势,风力发电在新能源发电领域逐渐占据重要位置。变流器作为风力发电系统中最关键且故障率最高的装备,其中功率器件IGBT是最脆弱、最容易失效的部件。准确的变流器可靠性评估结果对于整个风电机组的稳定运行、提高经济效益具有重要意义。受风速随机性的影响,机侧变流器输出参数频率（0～20Hz）与IGBT模块热时间常数（100ms）不匹配,而传统寿命模型难以反
触觉传感器是实现人机交互的重要接口元件,逐渐被应用于消费类电子产品、机器人和医疗器械等领域。现实世界中触觉传感器在机器人中的应用仍然具有挑战性,速度缓慢、分辨率低、体积大、成本高等因素制约着其在机器人领域中的应用。本论文针对以上问题,提出了一种基于MEMS（Micro-electro-mechanical system,MEMS）和CMOS（Complementary metal oxide se
现代生活中,基于深度神经网络的深度学习技术已经在多个应用领域取得了突破性的成功。随着物联网的发展,在嵌入式设备上实现这类人工智能应用的需求也在不断增加。然而,经典深度神经网络往往需要大量的计算开销和存储占用,阻碍了其在资源有限的物联网设备上进行部署。为应对该挑战,许多模型压缩技术被研究者们陆续提出。其中,二值量化方法由于极高的存储节省比和高效的卷积计算方式成为了一种简单且高效的压缩方法。但当前二值
结构健康监测（Structural Health Monitoring,SHM）是指利用传感器对工程结构的损伤进行检测和识别,作为物联网技术的重要应用领域之一,SHM已经在环境监测、应急管理等应用中得到广泛关注。对于部署在缺乏地面通信基础设施的特殊地区的SHM传感器,由于没有地面基站提供接入服务,要可靠地实现收发数据将变得十分困难。无人机和卫星由于具有灵活的机动性以及广阔的覆盖范围,被认为是实现此
随着电子技术的发展,视觉传感器被广泛应用于社会各个方面,如军事,安保和车载等领域,它可以让观察者在一定距离之外,不经过接触就能对物体有一定的观测和了解。摄像设备和计算机的联合促进了计算机视觉任务的快速发展,从而更好地解决各种场景下的环境观测问题。其中,在夜间等光线暗淡的环境下拍摄得到的图片像素低,噪声大,阻碍着后续的图像处理,所以低光图像的增强技术是计算机视觉领域不可或缺的一部分。而根据现有的研究
不平衡数据分类指对存在“某类样本数量远远大于另一类样本”现象的数据进行分类,广泛应用于医疗诊断、故障检测、信用贷款等领域。传统机器学习分类方法通常假设样本具有均匀的类分布和相同的误分代价,直接应用于不平衡数据时,分类器会偏向于多数类,导致少数类将被多数类淹没。而现有的不平衡数据分类方法主要侧重于解决数据的类失衡问题,忽略了已被相关研究证实对分类器性能负面影响更严重的类重叠问题。基于上述背景,本文分
随着生物信号检测与处理技术和神经医学等方面学科的飞速发展,对微弱信号高精度处理的需求与日俱增,而增量型Sigma-Delta ADC（Analog-to-Digital Converter,ADC）无需精确的模拟元件匹配就能实现高分辨率,因此得到了广泛的应用,但是增量型Sigma-Delta ADC的精度、面积和功耗在很大程度上取决于数字抽取滤波器的结构。本文针对以上问题,提出了一种面向增量型Si
近年来,随着汽车数量的急剧增加,交通事故发生率也在逐年上升。同时,无线通信技术也在飞速发展,第三代合作伙伴计划（3rd Generation Partnership Project,3GPP）提出基于长期演进的车到万物（Long Term Evolution-Vehicle to Everything,LTE-V2X）技术用于保证交通系统的安全运行。LTE-V2X运行在5.9GHz频段,支持上行链
面部表情蕴含着丰富的情感和行为信息,可以直观地反映出人的情绪和心理活动。表情识别技术在安全驾驶、临床医学、智慧教学等领域有着广泛的应用,已成为计算机视觉研究中的热点。传统基于欧式空间的表情特征提取方法将图像作为标准的网格类型数据处理,虽然能有效地提取表情的时间和空间特征,但忽略了面部图像中的丰富的结构和关联特征,从而导致其特征表达能力有限,不利于于进一步提升对人脸表情的识别效果。论文结合与重庆某汽
我国海上安全形势日趋复杂,海上军事争端越演越烈,能否快速准确地检测船舰目标极大地关系到战争的成败;因此,确保海域安全是我国现在以及今后军事战略的重点。近年来,随着合成孔径雷达（Synthetic Aperture Radar,SAR）成像技术的发展,对船舰目标的精细化观测水平越来越高,使得利用深度学习相关技术挖掘船舰目标的深层特征和精细化信息,进一步提高SAR船舰目标检测性能已成为可能,引起了国内