基于机器视觉的施工现场安全隐患识别应用研究

作者：肖天龙; 宫培松^*; 郭聖煜; 易虹妍

来源：工程管理学报, 2023, 37(03): 120-124.

DOI：10.13991/j.cnki.jem.2023.03.021

• 深度学习
• 安全风险
• 机器视觉
• 工程管理
• 目标检测(YOLOv5)

为了预防施工现场安全事故，利用机器视觉技术和目标检测算法，研究施工现场安全隐患识别问题。通过施工现场拍照和网络爬虫等方式，收集施工现场常见安全隐患图像，形成各类别安全隐患数据集；分析各安全隐患的特征因素和发生原因，有针对性地选取主流目标算法并进行适应性调整以实现安全隐患的自动识别；以施工现场配电箱的不安全状态为例进行识别实验，使用YOLOv5等主流目标算法实现了对施工现场安全隐患的高效识别。研究表明：基于高质量预处理数据集并针对具体安全隐患特征进行算法选择和适应性调整，目标检测算法能够较好地实现对施工现场复杂安全隐患的高效识别。

• 单位
  中国地质大学(武汉)经济管理学院