近年来,建筑施工行业的事故率虽然不断降低,但安全生产形势依然严峻。而建筑施工隐患排查是抑制建筑施工事故发生的重要手段之一。传统隐患排查主要采用人工方式,具有费时费力和效率不高的缺点。随着计算机视觉技术的快速发展为建筑施工安全管理提供了有效支持。其中,目标检测技术不需要建筑施工作业人员额外佩戴复杂传感设备,对建筑施工现场作业影响较小,且能实时处理现场监测数据,实现建筑施工现场快速隐患排查。然而,当前目标检测技术对建筑施工安全管理的研究和应用较少。论文以建筑施工现场隐患为研究对象,构建建筑施工现场隐患智能排查模型。首先,在文献综述基础上,分析总结各类建筑工程场景下的隐患类型,并列出各子系统的隐患清单,其中包括常见的临时工程、土石方工程、基坑工程、混凝土结构工程、钢结构工程中的隐患;同时也分析了各类工程都会涉及的安全防护设备及相关隐患。为建筑施工隐患智能排查模型的构建提供不同场景的应用基础。其次,选取YOLOX（You Only Look Once X）目标检测算法构建隐患智能排查模型,包括采集设备布置、采集隐患数据、图像数据标注、数据集制作、模型调参与训练、模型性能评估等;实现隐患定位和消除,并选择各工程场景下适合于该模型的隐患进行分析。然后选择钢结构工程施工现场的电焊作业区进行隐患智能排查应用,以安全帽佩戴、电焊面罩佩戴、口罩佩戴以及电焊手套佩戴4类隐患为目标展开工作。结果表明:隐患智能排查模型对建筑施工现场钢结构工程场景下电焊作业区隐患排查平均精度平均值（m AP）为82.28%,同时性能超过其他4种主流算法,且分析结果具有时效性。最后,论文在隐患智能排查模型的基础上通过层次分析法确定区域内各隐患的权重并制定隐患评分规则,实现自动安全评价。与传统的安全员现场巡检对比,上述方法可实现实时快速隐患排查并能得到更为全面客观的结果,同时也降低了安全管理人员的工作风险。论文通过对建筑施工现场隐患排查的研究,一方面有助于建筑施工现场隐患的识别、预警、管控和消除;另一方面长期收集的大量数据可辅助安全管理人员进行安全决策,从而防止或减少建筑施工现场安全事故发生,提升建筑施工现场安全管理水平。该论文有图30幅,表21个,参考文献92篇。