使用基于视觉数据的深度学习实时监控便携式多位置梯子工人的不安全行为
Minsoo Park1, Dai Quoc Tran1, Jinyeong Bak2
1School of Civil, Architectural Engineering and Landscape Architecture, Sungkyunkwan University, 2066, Seobu-ro, Jangan-gu, Suwon 16419, Gyeonggi-do, Republic of Korea.
Journal of safety research
|December 11, 2023
概括
在建筑工地发生致命的落是一个主要问题. 这项研究使用深度学习自动监控梯子上的工人安全,估计工作高度并检测不安全行为,以提高施工现场安全.
科学领域:
- 建筑工程安全 建筑工程安全
- 深度学习应用程序
- 职业健康 职业健康 职业健康
背景情况:
- 致命的高空落事故仍然是建筑业的一个重要问题.
- 深度学习为自动化安全监控提供了潜力,但目前的方法在确定监管合规性方面存在局限性.
研究的目的:
- 开发一个自动化系统来监控梯子上的工人安全.
- 准确估计工作高度,并实时检测不安全行为.
主要方法:
- 使用物体检测界限框高度来估计工作高度,参考梯子制造法规.
- 实施了优化的损失功能和注意力机制,以改善工人和旁观者分离.
- 应用深度学习用于多重检测和分析工人活动.
主要成果:
- 实现了平均精度从87.60%提高到90.44%.
- 根据韩国职业安全与健康局 (KOSHA) 的指导方针,对监测不安全的梯子工作行为进行了91.40F1-Score的证明.
- 结果被累积并根据估计的工作高度进行排序.
结论:
- 拟议的方法显示了实时,自动化的安全监控在梯子工作的可行性.
- 将估计的工作高度和检测结果与安全法规联系起来,可以自动监测不安全的施工现场行为.
