YOLOv4目标检测算法在煤矿工人口罩佩戴监测工作中的应用研究*

为防止煤矿工人吸入过量粉尘而导致职业性尘肺病,基于Keras框架利用YOLOv4 (you only look once)目标检测算法对井下人员佩戴防尘口罩情况进行高精度且快速的检测与识别,并与MTCNN(Multi-task convolutional neural network)和FaceNet构成的人脸识别算法相结合,进行煤矿工人口罩佩戴监测的研究。结果表明:模型对井下人员口罩佩戴有较高的检测精度,识别已佩戴口罩的矿井下作业人员的平均精度达到92.78%,识别未佩戴防尘口罩检测的平均精度为91.63%,与其他主流算法相比算法具有更好的鲁棒性和检测效果。研究结果为预防煤矿工人职业性尘肺病提供1种有效的技术手段。     

基于Cloud-BN的装配式住宅构件吊装安全评价

为降低装配式住宅构件吊装事故发生率,构建基于云贝叶斯网络(Cloud-BN)的安全风险评价模型,动态评价构件吊装作业安全风险。首先,分析云模型与贝叶斯网络(BN)结合的可行性与合理性;其次,结合工程实际确定构件吊装施工安全风险指标体系与BN结构,通过参数学习算法获取各节点间的条件概率分布;然后利用云模型转换,将获取的观测节点先验概率作为证据输入模型,得到构件吊装风险处于各风险状态的概率,并利用综合云生成算法确定最终的风险等级;最后,以某装配式住宅项目为例,验证该模型的有效性。研究表明:该模型评价结果与实际情况基本一致,平均相对误差控制在5%以内;与传统BN模型相比,结果更加客观准确。     

基于STPA和模糊BN的装配式建筑吊装施工安全风险分析*

为有效评估装配式建筑吊装施工中的安全风险状态,识别关键风险因素,运用系统理论过程分析方法(STPA)构建吊装施工过程中的控制反馈结构,识别导致危险的不安全控制行为,确定不安全控制行为的致因因素;基于风险因素间的关联关系构建贝叶斯网络（BN）模型,推理计算装配式建筑吊装施工安全风险状态概率,并结合反向诊断推理分析影响安全事故的风险因素;通过敏感性分析,识别装配式建筑吊装施工安全中的关键风险因素。结果表明:装配式建筑吊装施工安全风险处于低风险状态;起重机械超负荷运行、现场安全管理不到位和吊索吊具存在缺陷等因素是影响装配式建筑吊装施工安全风险的关键风险因素。     

基于因子分析与BP网络的地铁施工安全预警研究

为了解决当前我国地铁施工过程的安全预警问题,构建因子分析与BP神经网络相结合的地铁施工安全预警模型。在分析地铁施工安全预警指标的基础上,采用SPSS因子分析法对调查数据进行降维,采用Visual Basic 6.0软件编写BP网络程序,并通过工程实际数据实现模型的训练及检测。研究结果表明,通过因子分析能使BP网络的输入数据从37个减少至7个,经因子分析降维后的收敛速度和计算精度均高于未经因子分析的神经网络,且误差均在10%以内。通过因子分析与BP神经网络相结合构建的耦合模型识别地铁施工过程中的不安全因素,进而有针对性地完善地铁施工的相关预警技术。     

基于改进YOLOv5s的综采工作面人员检测算法

为了智能监控井工煤矿综采工作面危险区域人员闯入和安全帽佩戴问题，避免监控视频受粉尘干扰、光照不均等因素影响图像检测精度的问题，提出一种基于改进YOLOv5s的目标检测算法(简称YOLOv5s-DPE),并建立相关模型。首先，在颈部网络部分，采用深度可分离卷积(DwConv)替换普通卷积，降低参数量和计算量；然后，引入改进的路径聚合网络(PANet)提升特征提取能力，替换边界框损失函数完全交并比(CIOU)为有效交并比(EIOU),提升检测准确率；最后，选取综采工作面视频中的人员图像进行检测，选取煤矿井下人员闯入和安全帽佩戴监控视频作为检测数据集，并进行训练和验证。结果表明：对比初始YOLOv5s算法模型，YOLOv5s-DPE算法模型的参数量下降14.2%,浮点数计算量下降7.6%,算法网络模型大小下降12.5%,均值平均精度(mAP)@0.5提升到93.7%,mAP@0.5∶0.95提升到65.8%,YOLOv5s-DPE模型对小目标检测效果更好，误检漏检等情况有所减少。     

基于计算机视觉的高处临边作业安全巡检

为解决建筑施工现场高处作业中安全管理人员巡检工作时存在的危险性高、效率低、识别场景复杂等问题,利用卷积神经网络(CNN)技术,提出一种高处临边安全防护装备的巡检方法,该方法结合计算机视觉,检测高处临边人员安全帽、安全带等安全防护装备的佩戴情况以及防护网是否破损;同时在YOLOv5算法基础上修改注意力模型,并开发轻量化检测软件。结果表明：轻量化后,模型尺寸降低到1.9 MB,相较于修改前减小86.8%。在图形处理器(GPU)运行环境下单帧图片检测时间优化到40～50 ms,相较于修改前减少65%～80%,大幅提高检测速度。     

多作业场景下个体防护装备自动检测研究

为实现对企业作业现场人员个体防护装备(Personal Protective Equipment, PPE)正确穿戴的精准监管，采用YOLOv5模型和单阶段目标检测算法，设计并开发了一种辅助作业现场PPE自动检测与研判的管理系统。通过对某企业工作全流程的调研和分析，明确了存在遮挡物、密集多目标、远距离目标及光照不均匀4类典型的作业场景及检测环境特征。基于不同作业场景下的监控设备完成数据采集，并建立了4种PPE的数据集。通过YOLOv5目标检测模型的训练和测试，融合现有的监控平台，实现了作业过程人员PPE使用情况的动态、快速研判。研究表明，系统对目前企业典型作业场景PPE使用情况的检测平均精确度为99.5%,同时兼顾了检测速度和运行成本，有效提升了企业现场安全管理效能。     

基于RVM的装配式建筑吊装作业安全预警模型

为提高装配式建筑施工安全水平,准确判断吊装作业安全状况,建立基于相关向量机(RVM)的预警模型。根据装配式建筑吊装作业特点,对比传统施工模式,分析致使吊装事故发生的主要因素,按人-机-料-法-环(4M1E)5要素确定预警指标体系,并通过粗糙集(RS)属性约简算法确定模型安全预警因子;选用混合核函数构建RVM预警模型,并通过改进粒子群算法(IPSO)寻优确定核参数,给出计算方法及模型流程;以华中地区5个项目的相关数据完成模型学习训练和预警仿真。结果表明:用该模型所得结果与实际情况基本一致,判定正确率为94%、平均相对误差为3.667%,预警分析效果良好,较其他3种机器学习方法泛化拟合能力更强、效率更高。     

装配式建筑吊装施工空间冲突分析与多目标优化

为解决装配式建筑吊装施工空间冲突问题,以装配式建筑吊装施工空间冲突为研究对象,提出装配式建筑吊装施工的5类对象空间及单个对象的3类空间,总结施工作业的3大类空间冲突类型,提出空间冲突严重性的量化评价指标;依据装配式建筑的施工特点,建立各类对象的三维空间占用模型和时空占用模型,提出吊装作业空间冲突检测方法,构建以最小吊装工期、最低机械租赁成本、最低施工成本及最小空间冲突为目标的吊装施工优化模型,并基于实际项目数据进行案例分析。结果表明:该模型及算法在装配式建筑吊装施工中可有效减少作业面冲突,降低机械租赁成本,优化施工进度计划,提高施工安全绩效。     

吊装作业的安全措施

正吊装是一项具有一定风险的作业,其安全防范措施不可忽视。1吊装作业的安全操作措施(1)起重作业前。编制作业方案;对从事指挥和操作的人员进行资格确认;对起重机械和吊具进行安全检查确认,确保处于完好状态;对安全措施落实情况进行确认;对吊装区域内的安全状况进行检查(包括吊装区域的     

汽油对加油站从业人员心理与神经系统的影响

为了解汽油对加油站从业人员心理与神经系统的影响,对北京市中石化所属19家加油站的345名作业人员和管理人员进行职业健康体检,结合心理测试量表,对人员的睡眠及情绪情况进行调查。结果显示19家加油站工作场所空气中汽油的浓度均符合国家卫生标准。加油作业人员中有神经衰弱症状的占738%,管理人员中有神经衰弱症状的占366%。加油作业人员中,有652%的人存在状态焦虑,有640%存在特质焦虑。管理人员中,有350%存在状态焦虑,有350%存在特质焦虑。加油作业人员中,存在睡眠障碍或睡眠质量下降的占635%;管理人员中,存在睡眠质量下降的占312%。提示加油站作业环境可能会影响作业人员的心理状态和睡眠状况,应加强对加油作业人员的职业健康监护工作。     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。     

基于动态贝叶斯网络的装配式建筑吊装施工安全风险分析

针对装配式建筑吊装施工期间风险影响因素多、不确定性高及风险状态随时间动态变化等问题,提出基于动态贝叶斯网络的装配式建筑吊装施工安全风险动态分析方法。首先,根据装配式建筑吊装施工特点和事故致因理论,从“人、物、环、管”4个方面建立风险指标体系。其次,引入时间维度建立动态贝叶斯网络模型,利用模糊理论和专家打分法量化网络节点的概率,并结合Leaky Noisy-or Gate扩展模型修正条件概率。最后,利用动态贝叶斯网络的双向推理功能对装配式建筑吊装施工安全风险进行动态风险分析。由实例分析得到某装配式建筑吊装施工安全风险的时序变化曲线,通过反向推理得到导致吊装事故发生的关键风险因素。研究成果可为分析和有效控制装配式建筑吊装施工安全风险提供新思路。     

基于多分类GA-SVM的装配式建筑吊装作业安全预警分析

吊装作业是装配式建筑施工极为重要的一环，其在施工过程中的安全问题不容忽视。为了对装配式建筑吊装作业安全预警进行研究，以“4M”理论为出发点，提出一种基于GA-SVM的吊装作业安全预警模型，将遗传算法与支持向量机融合，提升模型的分类准确率。将支持向量机的二分类问题拓展到四分类问题上，并以实际工程案例加以验证。结果表明：通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，可以为装配式建筑施工的安全管理提供可靠的决策支持。     

隧道管片吊装施工安全管理与定位技术研究

研究提出采用基于ZigBee无线网络,运用BIM技术、无线传感器和改进的人员定位等技术,建立隧道管片吊装施工安全管理平台。结合实际工程,通过对管片吊装施工仿真分析,可实现管片吊装区域人员定位,为管理人员提供实时报警、信息查询和三维可视化展示,从而加强管片吊装施工安全控制。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明：YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检...     

高大模板支撑体系坍塌事故不安全行为原因分析

为预防高大模板支撑体系建筑施工坍塌事故的发生,选取2000-2016年间的31起高大模板支撑体系建筑施工坍塌事故案例,运用事故统计与分析方法,以行为安全“2-4”模型为理论依据,对31起事故中的不安全动作及其规律进行研究。研究表明:出现频次最高的事故等级为较大事故。一线作业人员因安全知识不足“不知道是否应该设置剪刀撑”引发不安全动作“剪刀撑数量不足或未设置剪刀撑”的发生率为71.43%,因安全意识缺乏“没意识到杆件距离过大给施工带来的危险”引发不安全动作“立杆间距和横杆步距过大”的发生率为78.57%;管理人员因安全意识缺乏“没意识到按规定进行安全交底的重要性”引发不安全动作“未进行安全技术交底”的发生率为78.57%,因不佳安全习惯“按照以前的方案习惯施工”引发不安全动作“未制定专项施工方案”的发生率为83.33%。因此,减少不安全动作的首要任务是加强一线作业人员违规操作的管理,企业在制定对策措施时,应从加强一线作业人员与管理人员的安全知识、安全意识和安全习惯入手,预防不安全动作的发生,进而有效预防事故。     

优化Swin Transformer的塔式起重机销轴安全状态识别算法

为减小塔式起重机运行安全隐患，提高机器视觉检验销轴连接状态的准确率，提出一种优化Swim Transformer的塔式起重机销轴安全状态识别算法；首先通过采集工地现场塔式起重机销轴安全状态图像，创建数据集；其次对数据集中销轴安全状态分类，并进行独热编码；然后基于Swin Transformer算法，建立销轴安全状态的识别模型，构造和优化损失函数；再运用AdamW优化器更新梯度，经过1 000次训练迭代后得到最终模型；最后在所创建的销轴图像数据集上，进行试验验证。结果表明：所提优化算法提高了塔式起重机销轴安全状态识别能力：准确率为99.4%、平均精度为99.4%,平均召回率为99.4%,平均特异度为99.6%,呈现出良好的分类和泛化能力；同时明显优于ShuffleNet、DenseNet和EfficientNet等3种典型算法；与原Swin Transformer算法相比，准确率也提高了3.6%。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多，针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险，迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题，建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材，完成模型的训练及性能评价，建立相应的报警规则和报警阈值，搭建测试环境并进行仿真测试，开发相应的软件系统。结果表明:模型检测速率为130 ms/帧，人员靠近叉车准确率为85.6%，叉车举升人员准确率为83.7%，达到良好的实践效果。     

大型压力容器吊装安全技术

大型设备整体吊装在石油化工装置施工中较常见,其施工方法的选择和关键作业环节的控制直接关系着设备吊装质量及吊装安全．本文以大型化工换热设备的整体吊装为例,系统阐述了大型设备整体吊装工艺,旨在进一步明确大型设备吊装工艺和安全作业控制要点,保证设备吊装作业达到预期施工目标。