• ISSN: 1674-7461
  • CN: 11-5823/TU
  • 主管:中国科学技术协会
  • 主办:中国图学学会
  • 承办:中国建筑科学研究院有限公司

2021, 13(1): 29-37. doi: 10.16670/j.cnki.cn11-5823/tu.2021.01.05

基于CNN算法与无人机技术的临边护栏识别方法探索

1. 

中国矿业大学 国际学院,徐州 221116

2. 

中国矿业大学 力学与土木工程学院,徐州 221116

网络出版日期: 2021-02-01

作者简介: 周建亮(1975-),男,教授,博导,主要研究方向:BIM、智慧城市及安全管理

基金项目: 教育部人文社科基金 19YJAZH122中国矿业大学国家级大学生创新训练计划项目 201910290090Z

Safety Guardrail Recognition Method Based on CNN Algorithm and UAV Technology

1. 

International College, China University of Mining and Technology, Xuzhou 221116, China

2. 

School of Mechanics and Civil Engineering, China University of Mining and Technology, Xuzhou 221116, China

Available Online: 2021-02-01

引用本文: 王子豪, 周建亮, 周颖绮, 陈博华, 徐欣燕, 朱宏斌. 基于CNN算法与无人机技术的临边护栏识别方法探索[J]. 土木建筑工程信息技术, 2021, 13(1): 29-37. doi: 10.16670/j.cnki.cn11-5823/tu.2021.01.05

Citation: Wang Zihao, Zhou Jianliang, Zhou Yingqi, Chen Bohua, Xu Xinyan, Zhu Hongbin. Safety Guardrail Recognition Method Based on CNN Algorithm and UAV Technology[J]. Journal of Information Technologyin Civil Engineering and Architecture, 2021, 13(1): 29-37. doi: 10.16670/j.cnki.cn11-5823/tu.2021.01.05

摘要:建筑业的施工安全长久以来都是社会热点问题,然而消除施工安全隐患却始终是难点。随着无人机和人工智能技术的发展,将图像采集与识别技术应用到建筑施工安全防治领域是当前的研究热点之一。高空坠落事故是施工安全事故占比最大的事故类型,临边防护的缺失是导致高空坠落事故频发的主要原因之一。本文利用深度学习框架搭建了5种主流卷积神经网络模型,对无人机采集的3 600张施工现场图像数据集进行训练与测试。实验结果表明,5种模型识别安全检测中临边护栏的准确率皆已达到90%以上,经对比分析得出MobileNet模型对临边护栏识别效果最佳。研究结果验证了图像识别的CNN算法与无人机技术应用于快速识别施工现场安全隐患的有效性和可行性,有助于消除施工现场不安全隐患,提升建筑业的安全管理水平。

关键词: 施工安全, 临边防护, 无人机, 卷积神经网络
[1]

段占立, 戴建波, 李健, 等.基于DEMATEL/ISM的高空坠落事故影响因素研究[J].价值工程, 2018:220-223. 

[2]

Ministry of Housing and Urban-Rural Development of the People′s Republic of China(中华人民共和国住房和城乡建设部).Notification of safety accidents(安全事故通报)[EB/OL].[2018-12-07].http://www.mohurd.gov.cn/wjfb/201812/t20181213_238828.html.

[3]

刘辉, 张智超, 闫伟, 等.建筑施工高处坠落事故各工种不安全动作分析研究[J].工业安全与环保, 2019, 45(5):84-88. 

[4]

刘霍宝.智慧工地系统建设[J].建材与装饰, 2019(29):13-14. 

[5]

吴寒昕, 赵东方, 吴海阳.基于"互联网+"的建筑安全监测多层次反馈平台的设计与实现[J].建筑安全, 2019, 34(9):28-31. 

[6]

闫蓉蓉.面向工业现场的安全帽检测算法研究[D].西安理工大学, 2019.

[7]

Yang J, Shi Z, Wu Z. Vision-based action recognition of construction workers using dense trajectories[J]. Advanced Engineering Informatics, 2016, 30(3):327-336.doi: 10.1016/j.aei.2016.04.009

[8]

Siddula M, Dai F, Ye Y, et al. Unsupervised Feature Learning for Objects of Interest Detection in Cluttered Construction Roof Site Images[J]. Procedia Engineering, 2016, 145:428-435.doi: 10.1016/j.proeng.2016.04.010

[9]

李哲.建筑领域低空信息采集技术基础性研究[D].天津大学, 2009.

[10]

刘法军.无人机倾斜摄影测量在矿山测绘中的应用[J].世界有色金属, 2019(19):29-30. 

[11]

李松, 魏中浩, 张冰尘, 等.深度卷积神经网络在迁移学习模式下的SAR目标识别[J].中国科学院大学学报, 2018, 35(1):75-83. 

计量
  • PDF下载量(60)
  • 文章访问量(2212)
  • HTML全文浏览量(1181)
目录

Figures And Tables

基于CNN算法与无人机技术的临边护栏识别方法探索

王子豪, 周建亮, 周颖绮, 陈博华, 徐欣燕, 朱宏斌

  • 版权所有© 《土木建筑工程信息技术》编辑部
  • 京ICP备17057008号
  • 地址:北京市朝阳区兴化路2号院1号楼
  • 电话:010-64517910 邮编:100013
  • 微信号:tmxxjs  QQ:342182902  E-mail:tmxxjs@163.com
本系统由北京仁和汇智信息技术有限公司设计开 技术支持: info@rhhz.net