基于人工智能的智慧工地安全隐患识别与预警机制.pdfVIP

CHINA SCIENCE AND TECHNOLOGY INFORMATION     Oct.2025·中国科技信息2025年第19期四星推荐◎

Reality基于人工智能的智慧

SubstitutabilitySustainability工地安全隐患识别

与预警机制

ImpactEcological

王立星

大型发电厂的施工涉及较多高风险作业环节，例如高空

作业或深基坑作业等，而高风险作业在开展过程中会存在一

FeasibilityInnovation定的安全隐患，例如工人不认真佩戴安全帽、工人违规操作、

设备状态异常等。一旦操作环节发生安全事故，会直接威胁

到施工人员的生命安全，同时也会导致施工进度停滞，使项

目效益受损。因此，我们有必要针对智慧工地的安全隐患进

Industry RelevanceInteractivity行识别和预警，从而实现工地施工的全方位实时监控。 

Openness目前，国内学者已经针对智慧工地安全隐患识别进行了

多方面研究。例如，某文献通过对智慧工地施工现场的图像

维度评分理由数据进行标注，明确各类安全隐患目标的位置和类别，并结

（Dimension）（Reasoning）合深度卷积神经网络对隐患目标特征进行学习，从而实现安

真实度结合GRU网络+决策树，实验数据集15000+样本，验证了稳定全隐患识别与预警，不过由于未考虑到现场环境对图像质量

（Reality）性指标。

的影响，所以模型的识别稳定性不佳。某文献通过对安全帽

可替代度计算机视觉在工地安全已有应用，本研究在多模态融合与语义生

（Substitutability）成上有一定差异化。的形状和颜色特征进行提取，并将其输入到全连接神经网络

影响力提升建筑工地安全，减少事故，对建筑行业具有重要社会与经济中进行分类，从而实现安全帽佩戴操作的有效识别。但由于

（Impact）意义。工地人员的图像数据存在多样性，不同人员的穿着、姿态、

可实现度

技术路径清晰，数据量大，实验验证效果较好。表情等因素会影响特征的提取和识别，进而可能导致识别稳

（Feasibility）

定性不佳。 

行业关联度

面向智慧工地，直接服务建筑施工行业。

（IndustryRelevance）本文提出一种基于人工智能的智慧工地安全隐患识别与

开放度方法公开，部分数据涉及企业安全监控场景