文献类型：期刊文章

作　　者：王子豪[1] 周建亮[2] 周颖绮[1] 陈博华[1] 徐欣燕[1] 朱宏斌[1]

Wang Zihao;Zhou Jianliang;Zhou Yingqi;Chen Bohua;Xu Xinyan;Zhu Hongbin(International College,China University of Mining and Technology,Xuzhou 221116,China;School of Mechanics and Civil Engineering,China University of Mining and Technology,Xuzhou 221116,China)

机构地区：[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

出　　处：《土木建筑工程信息技术》

基　　金：教育部人文社科基金(编号:19YJAZH122);中国矿业大学国家级大学生创新训练计划项目(编号:201910290090Z)。

年　　份：2021

卷　　号：13

期　　号：1

起止页码：29-37

语　　种：中文

收录情况：JST、RCCSE、普通刊

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3600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

分 类 号：TU17]