摘 要：針對(duì)現(xiàn)有預(yù)警方法存在的預(yù)警漏報(bào)率較高、預(yù)警周期較長(zhǎng)等問題，研究了基于物聯(lián)網(wǎng)的建筑工程施工危險(xiǎn)行為預(yù)警方法。首先，運(yùn)用物聯(lián)網(wǎng)技術(shù)部署適當(dāng)?shù)膱D像傳感器網(wǎng)絡(luò)，將各節(jié)點(diǎn)采集的圖像數(shù)據(jù)傳輸至控制站中進(jìn)行預(yù)處理。然后，運(yùn)用雙峰分割法計(jì)算最佳閾值，對(duì)圖像進(jìn)行分割，從而提取出潛在的危險(xiǎn)行為信息。運(yùn)用三維卷積技術(shù)，對(duì)輸入的多幀圖像樣本進(jìn)行訓(xùn)練后得到三維圖像特征。最后，搭建了一個(gè)行為識(shí)別網(wǎng)絡(luò)模型，將提取的特征序列輸入到該模型中，利用激活函數(shù)輸出行為類別，實(shí)現(xiàn)危險(xiǎn)行為的精準(zhǔn)識(shí)別與即時(shí)預(yù)警。實(shí)驗(yàn)結(jié)果表明，所提方法對(duì)各類危險(xiǎn)行為的預(yù)警漏報(bào)率總和為1.5%，且預(yù)警響應(yīng)時(shí)間均在5 s以內(nèi)，展現(xiàn)了良好的預(yù)警效能，可有效保障施工過程的安全性。

關(guān)鍵詞：物聯(lián)網(wǎng)；建筑工程；施工危險(xiǎn)行為預(yù)警；雙峰分割法；三維卷積；特征識(shí)別

中圖分類號(hào)：TP39；TU714 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）11-0-03

0 引 言

隨著現(xiàn)代化社會(huì)的飛速發(fā)展，建筑業(yè)日益重視建筑工程施工中的安全管理。由于建筑安全事故時(shí)有發(fā)生，危險(xiǎn)行為預(yù)警方法在建筑工程施工領(lǐng)域的應(yīng)用也越來越廣泛[1-2]。傳統(tǒng)的施工危險(xiǎn)預(yù)警方法主要依賴于施工人員的經(jīng)驗(yàn)判斷，這不僅增加了工作量，而且容易受到人為因素的影響，存在漏報(bào)等問題，預(yù)警效果不佳；并且傳統(tǒng)方法對(duì)施工現(xiàn)場(chǎng)的部分危險(xiǎn)因素監(jiān)測(cè)不及時(shí)，無法全面反映整個(gè)施工現(xiàn)場(chǎng)的安全狀況[3-5]。為解決上述問題，獲得更優(yōu)異的預(yù)警效果，本文以建筑工程施工危險(xiǎn)行為預(yù)警為研究對(duì)象，運(yùn)用物聯(lián)網(wǎng)技術(shù)，結(jié)合實(shí)際情況進(jìn)行深入研究與分析。

1 施工危險(xiǎn)行為預(yù)警

1.1 施工危險(xiǎn)行為圖像采集及預(yù)處理

為了精準(zhǔn)獲取施工危險(xiǎn)行為圖像，運(yùn)用物聯(lián)網(wǎng)技術(shù)進(jìn)行布控采集[6]。在物聯(lián)網(wǎng)架構(gòu)下，各個(gè)傳感器節(jié)點(diǎn)通過相互連接并與網(wǎng)絡(luò)中的其他節(jié)點(diǎn)通信，共同形成一個(gè)無線傳感網(wǎng)絡(luò)。將節(jié)點(diǎn)采集的圖像傳輸?shù)娇刂普局校菆D像在網(wǎng)絡(luò)層傳播過程中會(huì)產(chǎn)生噪音，使得采集到的危險(xiǎn)行為圖像的質(zhì)量難以滿足設(shè)計(jì)要求[7]。所以，需要對(duì)圖像進(jìn)行預(yù)處理。設(shè)定危險(xiǎn)行為圖像的灰度值為g（i， j），運(yùn)用加權(quán)平均法對(duì)單節(jié)點(diǎn)的圖像數(shù)據(jù)進(jìn)行處理，其計(jì)算公式為：

（1）

式中：w為圖像中3個(gè)分量的權(quán)重；R、G、B為圖像中節(jié)點(diǎn)的通道。給權(quán)重賦予不同的值會(huì)產(chǎn)生不同的灰度值。在角度較為全面的情況下，通過確定不同分量的權(quán)重分布，對(duì)圖像進(jìn)行加權(quán)處理，以更好地區(qū)分不同危險(xiǎn)行為的圖像[8]。然后設(shè)定每個(gè)節(jié)點(diǎn)中拍攝圖像的方向角為θ，則確定各個(gè)角度采集位置的公式為：

（2）

式中：（c， b）為鄰節(jié)點(diǎn)采集到的原始圖像；（x， y）為確定各個(gè)角度采集位置后的圖像。最后，針對(duì)在不同方向采集到的N幅

圖像，運(yùn)用雙峰分割法縮小圖像的最佳閾值范圍，依據(jù)最佳閾值可完成圖像分割。設(shè)定圖像的像素為n，灰度值的范圍為[0， k-2]，取圖像灰度值閾值為k∈[0， 255]，計(jì)算其類方差。當(dāng)類方差結(jié)果為最大時(shí)，k值為最佳閾值。依據(jù)上述過程，可對(duì)圖像進(jìn)行分割，將現(xiàn)有的危險(xiǎn)行為信息劃分

出來。

1.2 建筑工程危險(xiǎn)行為特征識(shí)別

在完成圖像分割處理后，運(yùn)用支持向量機(jī)的方法對(duì)樣本進(jìn)行訓(xùn)練，以便于圖片分類，從而識(shí)別建筑工程危險(xiǎn)行為特征[9]。先根據(jù)圖像數(shù)據(jù)的類別標(biāo)簽，設(shè)定基函數(shù)為l（θ， x），其表達(dá)式為：

（3）

式中：h為基函數(shù)的中心向量；s為帶寬；l為基函數(shù)。接下來，設(shè)置類別標(biāo)簽并對(duì)訓(xùn)練向量添加權(quán)重來計(jì)算判別函數(shù)。然后，將判別函數(shù)導(dǎo)入向量機(jī)中計(jì)算直方圖特征值，生成可分類識(shí)別的模型[10]。然后對(duì)圖像中的危險(xiǎn)行為特征進(jìn)行分類識(shí)別。通過使用三維卷積方法，對(duì)輸入的多幀圖像樣本進(jìn)行訓(xùn)練后得到三維圖像特征。最后，搭建行為識(shí)別網(wǎng)絡(luò)模型，其神經(jīng)元模型如圖1所示。

使用sigmoid函數(shù)確定輸出信息的比例，并應(yīng)用激活函數(shù)對(duì)狀態(tài)值進(jìn)行激活，將輸出信息與狀態(tài)值結(jié)果進(jìn)行整合，得到單元輸出公式為：

（4）

式中：T為狀態(tài)量；r（t）為輸出信息。通過利用長(zhǎng)序列的時(shí)序關(guān)系對(duì)輸出信息進(jìn)行處理，獲得與輸入圖像數(shù)量相同的特征序列為{x1， x2， ...， xn}。將特征序列輸送到網(wǎng)絡(luò)中，通過激活函數(shù)輸出行為類別，這樣網(wǎng)絡(luò)就能夠根據(jù)提取圖像中的特征信息來完成對(duì)危險(xiǎn)行為的識(shí)別。

1.3 建筑工程危險(xiǎn)行為實(shí)時(shí)預(yù)警

對(duì)危險(xiǎn)行為特征進(jìn)行分類識(shí)別后，結(jié)合施工現(xiàn)場(chǎng)中的實(shí)際傳感器數(shù)據(jù)，劃分出需要進(jìn)行施工活動(dòng)預(yù)警的區(qū)域。運(yùn)用越界預(yù)警的方法，當(dāng)施工人員的行動(dòng)軌跡越過警戒線時(shí)即劃定為施工中出現(xiàn)危險(xiǎn)行為?；诖耍槍?duì)施工中出現(xiàn)的危險(xiǎn)行為進(jìn)行了實(shí)時(shí)預(yù)警設(shè)置。若在施工過程中在視頻圖像中檢測(cè)到存在危險(xiǎn)行為，設(shè)定其位置橫縱坐標(biāo)分別為i和o，則其需要預(yù)警的區(qū)域?yàn)椋?/p>

（5）

式中：g為圖像范圍值。通過計(jì)算能夠得到目標(biāo)位置

（i， o），設(shè)定一條警戒線為d=mi+p，其中m為斜率，p為截距。通過對(duì)目標(biāo)進(jìn)行識(shí)別追蹤，可以得到最終目標(biāo)（i， o）的軌跡為：

（6）

根據(jù)計(jì)算的目標(biāo)位置，當(dāng)（i， o）超過警戒線時(shí)，標(biāo)記為懷疑對(duì)象，并發(fā)出警告。由此實(shí)現(xiàn)對(duì)施工過程中危險(xiǎn)行為的預(yù)警。

2 實(shí)驗(yàn)測(cè)試與分析

2.1 搭建實(shí)驗(yàn)環(huán)境

為驗(yàn)證所提方法的有效性，先搭建實(shí)驗(yàn)所用的系統(tǒng)環(huán)境，在ARM處理器的協(xié)同下配置軟硬件環(huán)境，具體見表1。

應(yīng)用RFID技術(shù)獲取建筑工程中的信息，包括施工人員信息、防護(hù)用品信息、行為信息等?；贐IM的可集成性，將其嵌入建筑工程中的危險(xiǎn)行為識(shí)別模型，對(duì)圖像信息進(jìn)行分類與識(shí)別。運(yùn)用SVM、HOG方法進(jìn)行特征組合分類處理，首先通過采集到的圖像信息數(shù)據(jù)集，獲得在不同場(chǎng)景下的正負(fù)樣本數(shù)量。這些樣本中包含危險(xiǎn)行為信息等與施工有關(guān)的數(shù)據(jù)。然后采用MobileNetV3輕量化分類網(wǎng)絡(luò)對(duì)樣本中的危險(xiǎn)行為進(jìn)行檢測(cè)。通過目標(biāo)跟蹤網(wǎng)絡(luò)獲得視頻場(chǎng)景下的危險(xiǎn)行為動(dòng)態(tài)信息，并根據(jù)所在區(qū)域?qū)⑽恢眯畔⑤斔偷綐?biāo)簽分類網(wǎng)絡(luò)中。最后設(shè)置在施工中存在的危險(xiǎn)行為類別為A～J。在預(yù)警過程中設(shè)定預(yù)警漏報(bào)率在2%以下時(shí)為可允許值。

2.2 結(jié)果與分析

為驗(yàn)證預(yù)警方法的有效性，需要在施工現(xiàn)場(chǎng)對(duì)危險(xiǎn)行為進(jìn)行測(cè)試。通過攝像頭采集施工圖像，并將視頻流輸入到安裝后的監(jiān)控系統(tǒng)核心板中，隨后通過物聯(lián)網(wǎng)技術(shù)顯示到LED屏中，以保證檢測(cè)效果可視化。由此得到的施工危險(xiǎn)行為的具體預(yù)警表現(xiàn)見表2。

根據(jù)上述預(yù)警表現(xiàn)，結(jié)合預(yù)警次數(shù)對(duì)施工中的預(yù)警漏報(bào)率進(jìn)行計(jì)算，得到不同危險(xiǎn)行為的預(yù)警漏報(bào)率之和為1.5%，滿足預(yù)警漏報(bào)設(shè)計(jì)要求，預(yù)警效果良好。這表明運(yùn)用本文預(yù)警方法能夠提高預(yù)警效率，顯著降低漏檢幀數(shù)，同時(shí)保證顯示的圖像清晰與視頻流暢。在危險(xiǎn)動(dòng)作的識(shí)別檢測(cè)方面，該方法也展現(xiàn)出了顯著的效果。通過對(duì)危險(xiǎn)區(qū)域進(jìn)行劃分，進(jìn)一步提高了預(yù)警危險(xiǎn)行為的準(zhǔn)確性。此外，為了能夠給工作人員提供更為及時(shí)的預(yù)警信息，需要對(duì)預(yù)警所需時(shí)間進(jìn)行分析。設(shè)置3個(gè)小組，運(yùn)用本文方法的小組為實(shí)驗(yàn)組，運(yùn)用傳統(tǒng)方法的2個(gè)小組為對(duì)照1組和對(duì)照2組。通過分析得到3個(gè)小組的預(yù)警時(shí)間，對(duì)比結(jié)果如圖2所示。

由圖2可知，2個(gè)對(duì)照組的預(yù)警時(shí)間均在10 s以上，預(yù)警反應(yīng)時(shí)間較長(zhǎng)，預(yù)警能力較低。而相比于對(duì)照組，實(shí)驗(yàn)組的預(yù)警時(shí)間均在5 s以下，在3個(gè)小組中預(yù)警時(shí)間最短。由此說明運(yùn)用本文預(yù)警方法能夠在短時(shí)間內(nèi)對(duì)危險(xiǎn)行為進(jìn)行分析與預(yù)警，可及時(shí)保障施工安全。

3 結(jié) 語

本文深入研究了基于物聯(lián)網(wǎng)的建筑工程施工危險(xiǎn)行為預(yù)警方法，并分析了其應(yīng)用效果。通過該方法可以在施工過程中提前預(yù)測(cè)事故發(fā)生的可能性，減少事故的發(fā)生，保障施工安全。本文利用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)信息空間和管理空間的高度融合，進(jìn)而捕獲施工現(xiàn)場(chǎng)的危險(xiǎn)源動(dòng)態(tài)，監(jiān)控和分享相關(guān)施工信息。測(cè)試結(jié)果表明，基于物聯(lián)網(wǎng)的建筑工程施工危險(xiǎn)行為預(yù)警方法具有更高的準(zhǔn)確度，能夠有效地解決傳統(tǒng)預(yù)警方法存在的問題，提高施工安全預(yù)警的效率。通過本次研究，可針對(duì)已經(jīng)發(fā)生的施工危險(xiǎn)行為，加強(qiáng)應(yīng)急響應(yīng)，以最大程度地減少事故損失。相關(guān)企業(yè)通過基于物聯(lián)網(wǎng)的建筑工程施工危險(xiǎn)行為預(yù)警方法的應(yīng)用，能夠有效提高施工安全水平，但本文的研究還存在一些不足之處，例如RFID系統(tǒng)發(fā)生警報(bào)問題、電力調(diào)度運(yùn)行安全狀態(tài)等未得到充分考慮，今后將針對(duì)這些問題加以完善研究。

參考文獻(xiàn)

[1]鄭應(yīng)亨，于磊，伍培，等.基于物聯(lián)網(wǎng)的建設(shè)工程施工安全D-S診斷研究[J].工業(yè)安全與環(huán)保，2023，49（3）：15-19.

[2]王旭，申玉民，熊曉蕓，等.基于哈希圖的建筑物聯(lián)網(wǎng)數(shù)據(jù)管理方法[J].計(jì)算機(jī)應(yīng)用，2022，42（8）：2471-2480.

[3]于磊.基于物聯(lián)網(wǎng)應(yīng)用場(chǎng)景的建設(shè)工程施工安全診斷研究[D]. 重慶：重慶科技學(xué)院，2023.

[4]彭智航.關(guān)于建設(shè)工程施工安全監(jiān)督模式與信息化管理探討[J].低碳世界，2017（17）：170-171.

[5]盧錫雷，陳細(xì)輝，張晗輝，等.基于熵權(quán)-AHP的建筑工程施工安全評(píng)價(jià)研究[J].建筑經(jīng)濟(jì)，2020，41（z2）：225-229.

[6]張社榮，梁斌杰，馬重剛，等.水利工程施工人員不安全行為識(shí)別方法[J].水力發(fā)電學(xué)報(bào)，2023，42（8）：98-109.

[7]張龍，白旭光，田騰飛，等.基于物聯(lián)網(wǎng)的公路工程邊坡智能動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)研究[J].公路，2022，67（9）：122-127.

[8]莫言遲，劉占省，張安山，等.融合BIM技術(shù)和物聯(lián)網(wǎng)的消防安全數(shù)據(jù)管理方法[J].建筑技術(shù)，2021，52（6）：710-713.

[9]張靜，聶章龍.基于物聯(lián)網(wǎng)的煤礦安全監(jiān)測(cè)與預(yù)警平臺(tái)設(shè)計(jì)[J].煤炭技術(shù)，2021，40（10）：209-211.

[10]高鳳強(qiáng)，紀(jì)藝娟，陳俊仁.基于物聯(lián)網(wǎng)的對(duì)蝦養(yǎng)殖監(jiān)測(cè)預(yù)警研究[J].電子器件，2021，44（3）：753-760.

作者簡(jiǎn)介：陳燦武（1985—），男，廣東汕頭人，工程師，研究方向?yàn)榻ㄖこ探ㄔ旃芾怼?/p>

收稿日期：2023-11-28 修回日期：2023-12-25