在建筑施工过程中,传统工地管理普遍存在安全隐患多、进度难控、人员管理粗放、环境监测缺失等问题,严重影响施工效率与质量。随着智慧城市与智能建造的快速发展,利用人工智能、物联网与大数据技术提升工地智能化水平已成为行业趋势。AI智慧工地监测系统应运而生,通过对施工现场的全方位感知与智能分析,实现“人、机、料、法、环”全过程可视化、智能化管理,推动工程项目安全、高效、绿色建设。
本系统通过接入工地网络摄像头的实时视频流,基于深度学习技术实现智能识别与多属性检测功能。利用YOLOv8模型,系统可实时检测现场中的人员、火焰、浓烟、吸烟等关键目标,实现高效预警与行为识别。同时,在MobileNet主干网络中引入CBAM注意力机制,增强模型对人物特征的感知能力,并对输出层进行多分支改造,可在单张人像输入的基础上同步识别多种安全佩戴属性(如头盔、马甲、防护装备等)。进一步优化loss函数与优化器配置,使模型更契合复杂工地环境下的实时应用需求。系统前后端实现一体化对接,为用户提供操作简洁、响应迅速的监控管理界面,提升整体使用体验与应用落地效率。
通过接入网络摄像头实时数据,基于深度学习技术,实现两个任务:
通过yolov8实现实时的人物、火焰、浓烟、吸烟等目标检测;
对mobilenet网络加入CBAM注意力机制,并修改输出层为多个分类分支,实现一张人物输入,可同时输出多个属性(头盔、其他设备等);
修改loss函数与改进优化器,更好的适应生产场景的应用。
前后端对接,为客户提供更为简易的操作界面。