论文题目:基于BIM与无人机技术的施工现场安全问题发现与深度学习探索
摘要:一直以来,建筑施工领域安全事故发生连续不断,消耗着社会的财力、物力甚至夺取人民的生命财产,已经成为业界安全管理人士亟需解决的难题,研究人员也不断创新探索,希望找到一种新型的安全管理方式应用到建筑行业。基于此,本文将深度学习技术过渡到施工安全管理,通过采集的施工场景图像,结合BIM(Building Information Modeling,建筑信息模型)虚拟场景,构建施工场景数据集,利用无人机获取现场施工场景载入到训练好的施工领域卷积神经网络模型中,可以实现对现场施工场景的识别以及安全判别,以一种更加科学严谨的管理方式作为安全管理人员管理现场的依据。本文主要研究内容如下:(1)通过轨迹交叉理论及文本分析技术统计分析出了现场施工场景不安全特征,制定了无人机采集施工现场不安全问题特征的标准清单。(2)利用网络爬虫技术采集了海量的施工现场图像,引入BIM虚拟场景,建立了建筑施工领域施工现场一般场景标准数据集,建筑施工领域施工现场一般场景不安全问题特征标准数据集。(3)将深度学习技术引入到建筑施工安全管理领域,根据建立的数据集设计一般场景识别模型,可通过模型训练对建筑施工场景的精确识别;进一步牵引深度学习中的迁移学习技术至建筑施工领域,创新性地将其他领域的深度学习模型迁移至建筑工程领域,构建了施工现场一般场景不安全问题判别模型,实现对施工场景的安全与否作出判定。(4)结合上述研究成果,本文最终以Python GUI图形界面开发结尾,将文章设计构建的网络模型集成与施工场景识别及问题发现系统中,该系统可实现基本的识别图像展示及结果输出归类的功能。该论文有图92幅,表33个,参考文献100篇。
关键词:事故致因;BIM技术;数据集;深度学习;图形界面开发
学科专业:工程管理
致谢
摘要
abstract
1 绪论
1.1 研究背景
1.2 问题的提出
1.3 研究目的及意义
1.4 相关理论与文献综述研究现状
1.5 研究方案
2 基于事故致因理论的现场安全问题特征识别
2.1 事故致因理论的发展
2.2 施工事故安全成因分析
2.3 基于轨迹交叉论的施工现场失效行为及状态识别
2.4 施工现场不安全场景特征识别
2.5 本章小结
3 施工现场场景及安全问题数据集构建
3.1 数据集的划分
3.2 图像识别数据的采集
3.3 数据集的构建
3.4 本章小结
4 基于CNN的施工现场一般场景图像识别
4.1 卷积神经网络
4.2 基于Tensor Flow一般场景图像识别模型构建
4.3 施工现场一般场景图像识别有效性分析
4.4 本章小结
5 基于迁移学习的CNN施工场景一般安全问题特征模型训练
5.1 迁移学习
5.2 源域网络模型——Inception-V3
5.3 基于深度迁移学习的一般场景安全问题特征分类模型训练
5.4 本章小结
6 施工现场目标场景识别及安全问题发现系统实现——以新盛项目为例
6.1 施工场景识别及安全问题发现系统设计
6.2 施工场景识别及安全问题发现系统构建
6.3 发现系统功能操作说明
6.4 施工场景识别及安全问题发现系统应用
6.5 本章小结
7 结论与展望
7.1 结论
7.2 创新点
7.3 展望
参考文献
作者简历