文档名：基于CNN算法与无人机技术的临边护栏识别方法探索
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.
作者：王子豪 周建亮 周颖绮 陈博华 徐欣燕 朱宏斌
作者单位：中国矿业大学国际学院,徐州221116中国矿业大学力学与土木工程学院,徐州221116
母体文献：第八届BIM技术国际交流会--工程项目全生命期协同应用创新发展论文集
会议名称：第八届BIM技术国际交流会--工程项目全生命期协同应用创新发展
会议时间：2021年11月10日
会议地点：深圳
主办单位：中国图学学会
语种：chi
分类号：
关键词：建筑施工 临边护栏识别 卷积神经网络 无人机
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.27 MB
- 下载次数:
- 60
-
高速下载
|
|
