基于ANN算法的钢结构安装工程质量状态评价

随着石油建设工程项目规模越来越大,对钢结构安装工程的要求越来越高,钢结构安装工程质量检测与评价更加复杂,这些特点使得在施工现场对钢结构安装质量状态评价方法不一、结果也不易控制。为了对钢结构安装工程质量评价更加准确、适用,在人工神经网络(ANN)算法的基础上对钢结构安装工程质量评价方法进行了研究,并采用BP神经网络和RBF神经网络算法进行对照实验,梳理质量评价指标,计算其权重系数并进行误差分析,由实验结果选定ANN算法来得出钢结构安装工程质量状态的评分公式,以反映钢结构安装工程的质量情况,对钢结构安装工程的质量把控和管理有一定的指导作用,为工程质量管理和控制提供科学、准确的支持。     

基于视频的施工作业监护人离岗识别模型

为防范施工作业和石油化工生产作业中监护人离岗带来的安全隐患,使用重新训练的YOLOv8模型智能分析施工现场的监控视频,对施工作业监护人离岗行为进行识别。设计出一套施工作业监护人离岗识别判断流程：接入施工视频后,使用YOLOv8识别出人员、马甲、施工标志物、施工区域标志物等,判断施工作业是否正在进行,确定出施工区域和监护人应在区域,检测监护人并判断监护人是否在施工区域内,一旦监护人离岗即时发出报警信息,实现自动判定施工区域内是否有监护人。该流程中将可变区域识别方法引入YOLOv8中,只对区域内目标进行识别,避免了区域外目标对判断的干扰。施工作业监护人离岗识别模型可对施工时的监护人离岗进行准确高效地识别,识别成功率达到90%,可满足施工安全监管需求。