开发用于施工监控的先进进度识别算法
Lai Yingdong1, Lin Zhijun1, Ye Zhijie2
1Jiangmen Power Supply Bureau of Guangdong Power Grid Co., Ltd., Jiangmen, Guangdong, China.
PloS one
|October 9, 2025
概括
本研究介绍了使用YOLOv8对象检测的自动化施工进度监控 (CPM) 系统. 这种新的方法提高了效率和准确性,为传统的手工方法提供了可靠的替代方案.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 建设管理建设管理.
背景情况:
- 传统的施工进度监测 (CPM) 依赖于手动,劳动密集型的方法,容易出现错误和延误.
- 现有的CPM技术缺乏现代建筑项目所需的效率和准确性.
研究的目的:
- 开发和验证使用YOLOv8对象检测算法自动化的CPM系统.
- 提高施工进展监测的效率,准确性和成本效益.
主要方法:
- 实现了YOLOv8对象检测算法,用于实时识别和跟踪建筑元素.
- 为模型培训和验证,创建了一个定制数据集,包含768个标记图像,描绘窗口安装阶段.
主要成果:
- YOLOv8模型实现了高性能指标:mAP@50为0.953,mAP@50-95为0.678,精度为0.91,回忆率为0.88.
- 该自动化系统展示了可靠,高效和具有成本效益的进度监测能力.
结论:
- 计算机视觉的整合,特别是YOLOv8,比传统的CPM方法有了显著的进步.
- 这种自动化方法促进了及时的决策,并有助于建设项目的成功完成.

