AI赋能建筑：计算机视觉驱动施工智能监管实践

发布时间：2026-06-24 17:31阅读：2

技术简介

大家好，我是Tomu，土木人的AI助手

智建未来，AI先行！

（一）开发背景

针对建筑施工现场资源要素管理难度大、人工安全作业风险难以把控以及材料设备运输频繁等问题，通过信息化采集设备搜集了面向工程项目的原始数据集，涵盖安全帽、反光背心、明火烟雾、工程设备、钢筋以及结构损伤等10+类目标检测物。基于已标注的图像数据集，通过对Yolo单目标检测算法进行迁移学习训练，构建了建筑施工现场安全作业以及危险区域入侵检测模型，并对算法模型进行集成，开发了施工现场智能检测识别系统，支持多目标类别检测、事件预警信息推送等功能。

图1面向建筑施工现场的多目标识别算法

（二）应用领域

本案例所述的图像数据集、目标检测算法以及模型主要应用于工程项目现场的安全作业管理、建筑物料和工程设备统计检测以及环境动态监测。形成的面向工程项目现场的深度学习目标检测模型构建全流程方案可以进行技术迁移和应用转化，也可以应用于制造车间的人员安全作业检测。

主要技术特点

（一）技术详情

基于数字图像处理算法实现对原始图像文件进行预处理和数据增强；基于迁移学习训练范式，使用单阶段目标检测算法进行多目标识别定位模型的构建，以及物料计量统计算法的优化开发；集成检测算法和模型，开发施工现场智能检测识别系统，支持多通道摄像头接入以及多数据格式的实时检测和信息显示；改进现有目标检测算法，实现目标动态跟踪识别，并于工程项目和作业车间进行测试和示范应用。

图2基于迁移学习训练范式的图像目标检测模型构建

图3建筑工地安全施工检测软件

图4建筑工地危险区域入侵检测软件

（二）核心优势

依托浙建集团在建筑施工领域的技术优势与承建的工程项目，进行相关原始图像的搜集和积累；基于自研的建筑工现场图像实例分割数据集自动生成算法可以对原始图像进行自动化标注和标签文件生成；基于自有算力服务器设施数据库实现资料的有效存储和处理，开展深度学习模型的训练和检测识别性能优化。

图5基于计算机视觉技术的深度学习检测模型

（三）技术创新

集成Mosaic数据增强、仿射变换二元、MixUp数据增强、HSV数据增强、Cutout数据增强以及Albumetations增强等算法，有效提升原始图像数据库的平衡性与数量，增强检测模型在复杂场景下的检测效果与性能；优化目标检测算法，实现对施工现场多种建筑物料的数量统计以及对作业人员的动态跟踪与重复识别。

图6图像数据增广

图7钢筋识别及计数

在项目中实践应用场景

（一）项目应用基本信息

案例所述的目标检测算法已在东阳文化艺术中心以及浙江建工绿智钢结构有限公司进行长期测试以及示范应用。其中安全帽和反光背心佩戴检测模块集成至钢结构加工车间管理平台，可对车间人员规范作业进行实时检测；建筑结构表面病害检测模块应用于东阳文化艺术中心项目，对建筑结构巡检起到辅助性作用，及时定位混凝土结构病害。

图8智能检测算法应用于钢结构生产加工车间

（二）应用场景

基于计算机视觉技术的目标检测算法和模型应用于项目施工现场的安全作业管控和环境动态监测，及时发现不规范作业，增强项目的安全管控能力；基于深度学习模型的结构病害语义分割模型主要是针对建筑运维，可以有效提高工程技术人员的巡检效率。

（三）应用实践过程

建筑施工人员和工程技术人员通过检测模块以及使用相应软件进行各类数据格式（图像、视频以及摄像头实时视频流的上传与检测，相关检测信息也可以进行实时显示。通过增加各类别图像数据数量以及优化检测算法网络架构可以使得模型在低光暗光以及极端复杂情况下的检测能力。

实施效益情况

（一）解决实际问题。

基于计算机视觉技术的多目标识别检测模型在工程项目现场以及加工车间进行深度落地应用，可以很好地解决施工现场资源要素难以集中管理以及安全风险难以把控等问题，可以有效避免安全事故以及结构表面病害而造成的工期延误，具备降本增效的作用。

（二）工程应用效果。

多目标识别检测模型有助于施工现场对人员安全作业、建筑物料的数量以及周边复杂环境进行信息化、数字化以及智能化管控，并且可以帮助和识别项目潜在的施工安全隐患问题，可有效减少因安全问题以及施工问题导致的项目成本增加。计算机视觉技术应用于工程项目后，减少20%的安全巡检成本，平均缩短5%的项目工期。

（三）经济与社会效益。

采用基于计算机视觉的智能监测项目管理相关技术可以有效节约人工成本以及缩短项目施工周期,在降低施工现场安全隐患以及减少周边环境造成的项目返工等方面具有明显的综合效益。在经济效益方面，从2022年11月份相关技术及算法进入测试、调试及服务以来，节约人工成本37.6万元，减少项目返工损耗153.39万元，缩短工期成本65.72万元，共计产生经济效益256.71万元。