李亞軍

（蘇交科集團(tuán)股份有限公司，南京 211112）

1 引言

公路水運(yùn)工程作為高危行業(yè)領(lǐng)域，固有風(fēng)險(xiǎn)多，常有施工人員的不安全行為造成的事故出現(xiàn)。這些事故不僅干擾企業(yè)正常生產(chǎn)秩序，而且給人民的生命財(cái)產(chǎn)安全造成巨大的影響[1-3]。怎樣做好施工現(xiàn)場安全管理工作，減少安全事故的發(fā)生，防止各類違章作業(yè)和不文明行為，提升建設(shè)工程質(zhì)量，是擺在各級政府部門、建筑行業(yè)人員以及廣大學(xué)者們面前的一個(gè)重大研究課題。2020年7月，住建部頒布《關(guān)于推動智能建造與建筑工業(yè)化協(xié)同發(fā)展的指導(dǎo)意見》，意見中明確提出要大力推進(jìn)先進(jìn)制造設(shè)備、智能設(shè)備及智慧工地相關(guān)裝備的研發(fā)、制造和推廣應(yīng)用，提升各類施工機(jī)具的性能和效率，提高機(jī)械化施工程度[4]。

本文就目前的現(xiàn)場檢查、視頻監(jiān)測等技術(shù)手段，無法準(zhǔn)確判定公路水運(yùn)工程現(xiàn)場的違規(guī)行為，缺乏事中和事后管控措施的弊端，提出在對施工作業(yè)現(xiàn)場安全風(fēng)險(xiǎn)進(jìn)行系統(tǒng)辨識分析與評估的基礎(chǔ)上，運(yùn)用圖像識別算法YOLO算法[5-7]，對施工現(xiàn)場人員風(fēng)險(xiǎn)行為的檢測與識別展開深入研究，并在施工現(xiàn)場進(jìn)行示范應(yīng)用，實(shí)現(xiàn)對施工安全生產(chǎn)的超前預(yù)警與全視角監(jiān)控，滿足新時(shí)期施工領(lǐng)域的安全生產(chǎn)管理要求。

2 作業(yè)安全分析

2.1 作業(yè)安全風(fēng)險(xiǎn)辨識

引起公路水運(yùn)工程施工安全事故的因素眾多，包括作業(yè)現(xiàn)場、工作環(huán)境、機(jī)械設(shè)備、人力等，幾種要素相互耦合。一般，人的不安全行為和物的不安全性狀況是導(dǎo)致事件產(chǎn)生的最直接的影響因素。因此，通過對施工或生產(chǎn)過程進(jìn)行安全風(fēng)險(xiǎn)分析，尋找可能產(chǎn)生的致險(xiǎn)因素和可能導(dǎo)致發(fā)生的危險(xiǎn)性事件，是進(jìn)行風(fēng)險(xiǎn)分級控制的重要基石和關(guān)鍵環(huán)節(jié)，而風(fēng)險(xiǎn)分析的全面性和準(zhǔn)確性，將直接影響防范安全生產(chǎn)風(fēng)險(xiǎn)的成效。

本文運(yùn)用了JHA方法論[8]，根據(jù)風(fēng)險(xiǎn)類型（單位工程）→作業(yè)類型（分部工程）→作業(yè)單元（分項(xiàng)工程）的次序，將作業(yè)流程分類為不同作業(yè)類型，不同的作業(yè)類型對應(yīng)不同作業(yè)單元，編制形成風(fēng)險(xiǎn)作業(yè)單元分解表。通過現(xiàn)場研究與評價(jià)小組討論的方法，系統(tǒng)分析了各種生產(chǎn)作業(yè)單元中人、設(shè)備、環(huán)境與管理原因之間的相互關(guān)系，識別研究出重要的致險(xiǎn)因素，編寫形成安全生產(chǎn)風(fēng)險(xiǎn)清單，如表1所示。

表1 安全生產(chǎn)風(fēng)險(xiǎn)清單樣表

2.2 安全風(fēng)險(xiǎn)評價(jià)

在風(fēng)險(xiǎn)辨識的基礎(chǔ)上需用科學(xué)評價(jià)方式，判斷風(fēng)險(xiǎn)事件出現(xiàn)的概率以及事件發(fā)生后事故嚴(yán)重程度，確定風(fēng)險(xiǎn)大小和風(fēng)險(xiǎn)等級?？紤]施工現(xiàn)場實(shí)際情況，本研究構(gòu)建了M-PEC風(fēng)險(xiǎn)評估模型，綜合考慮影響風(fēng)險(xiǎn)事件發(fā)生人、設(shè)備、環(huán)境和管理等因素，以及事件可能造成的后果。通過對各指標(biāo)數(shù)據(jù)的定性分析和量化評估，最終評價(jià)出各風(fēng)險(xiǎn)等級，以便實(shí)施分級管控。評估模型如下：

式中，Mr為管理因素；P為人、機(jī)、工藝的影響；E為環(huán)境因素，包括自然、作業(yè)環(huán)境；C為后果，包括人員傷亡、財(cái)產(chǎn)損失。

3 智能監(jiān)測系統(tǒng)構(gòu)架設(shè)計(jì)

3.1 基本流程

公路水運(yùn)工程施工環(huán)境安全風(fēng)險(xiǎn)智能監(jiān)控管理系統(tǒng)以整個(gè)工地范圍為主要監(jiān)測對象，首先使用布控的視頻監(jiān)測儀，獲取了作業(yè)人員圖像制作模型的數(shù)據(jù)集，在對數(shù)據(jù)集預(yù)處理后，基于目標(biāo)檢測算法實(shí)現(xiàn)對作業(yè)人員未戴安全帽的情況實(shí)時(shí)監(jiān)測。以對現(xiàn)場的違規(guī)行為形成威懾，樹立一道防火墻。

3.2 系統(tǒng)設(shè)計(jì)

公路水運(yùn)工程施工安全風(fēng)險(xiǎn)智能監(jiān)測系統(tǒng)采用分層設(shè)計(jì)，總體框架主要由監(jiān)控和提醒部分組成。監(jiān)控部分主要包括基礎(chǔ)數(shù)據(jù)的采集以及目標(biāo)檢測算法的執(zhí)行；提醒部分是通過計(jì)算機(jī)控制系統(tǒng)對算法識別出未按規(guī)定佩戴安全帽等風(fēng)險(xiǎn)行為的對象，進(jìn)行智能提醒，同時(shí)系統(tǒng)記錄具有風(fēng)險(xiǎn)行為的工人時(shí)間、地點(diǎn)和視頻截圖，以便工程負(fù)責(zé)人要在后期對違規(guī)人員進(jìn)行安全教育。系統(tǒng)從總體上來說，可以分為5大模塊層次，從上至下，依次是功能展示層、業(yè)務(wù)模塊層、數(shù)據(jù)處理層、數(shù)據(jù)采集層以及基礎(chǔ)資源層，如圖1所示。

圖1 系統(tǒng)架構(gòu)圖

系統(tǒng)共有6個(gè)功能模塊，包括系統(tǒng)配置、人員管理、攝像頭管理、資源視圖、告警記錄、報(bào)表管理。

1）系統(tǒng)配置模塊，包括人物權(quán)限管理系統(tǒng)，主要用來管理各個(gè)人物的權(quán)限，模塊內(nèi)可自定義系統(tǒng)角色，關(guān)聯(lián)系統(tǒng)權(quán)限，（如普通工人、區(qū)域負(fù)責(zé)人、領(lǐng)導(dǎo)等）。

2）人員管理模塊，幫助管理員便捷管理工程中所有人員，管理員可以對所有人員進(jìn)行增加、編輯、停復(fù)職、分配權(quán)限、預(yù)警短信通知人員設(shè)置等操作。

3）攝像頭管理模塊，對工地的所有攝像頭進(jìn)行按區(qū)域登記，從而為AI智能分析風(fēng)險(xiǎn)提供素材，可查看各攝像頭狀態(tài)。

4）資源視圖模塊：用于調(diào)配視頻解碼服務(wù)和AI智能識別服務(wù)（模型訓(xùn)練、發(fā)布管理）。

5）預(yù)警記錄模塊，將記錄AI識別到的所有不安全風(fēng)險(xiǎn)行為，包括時(shí)間、地點(diǎn)和視頻截圖。提供查詢功能，可以通過時(shí)間/攝像頭來查詢指定的違章記錄。

6）報(bào)表管理模塊，提供按不同時(shí)間單位統(tǒng)計(jì)風(fēng)險(xiǎn)預(yù)警發(fā)生的頻率，生成相應(yīng)的報(bào)表。統(tǒng)計(jì)擬包含歷史違規(guī)行為統(tǒng)計(jì)，如時(shí)間段統(tǒng)計(jì)、分類統(tǒng)計(jì)、行為增幅減幅、分監(jiān)控區(qū)域統(tǒng)計(jì)等以及AI識別率增幅表（用于體現(xiàn)識別準(zhǔn)確趨勢）。

3.3 系統(tǒng)功能開發(fā)

3.3.1 安全帽檢測數(shù)據(jù)集建立

要對施工現(xiàn)場工作人員未佩戴安全帽的進(jìn)行實(shí)時(shí)檢測，就應(yīng)首先建立檢測數(shù)據(jù)集。該研究利用監(jiān)控視頻文件按時(shí)段截取幀，以提取原始圖像數(shù)據(jù)信息，并以圖像格式文檔進(jìn)行保存。

鑒于未佩戴安全帽行為檢測屬于檢測任務(wù)，使用labelImg標(biāo)注工具將圖像中未戴安全帽的人和正確佩戴安全帽的人分別標(biāo)注出來，并保存為xml格式，記為負(fù)數(shù)據(jù)集、正數(shù)據(jù)集。如圖2和圖3所示。

圖2 labe lImg標(biāo)注圖

圖3 x m l格式圖

3.3.2 安全帽檢測算法

由于安全帽顏色各異且現(xiàn)場施工環(huán)境多變，傳統(tǒng)的檢測方式很難兼顧解決上述問題。近年來，隨著人工智能的不斷發(fā)展，其分支的圖像識別技術(shù)也受到了眾多學(xué)者的密切關(guān)注。

圖像識別技術(shù)作為圖像處理與模式識別技術(shù)的綜合產(chǎn)物，是一門利用計(jì)算機(jī)對圖像區(qū)別不同目標(biāo)對象的科學(xué)技術(shù)。本文依據(jù)建立的檢測數(shù)據(jù)集，采用圖像識別技術(shù)中的目標(biāo)檢測算法YOLO算法對施工現(xiàn)場作業(yè)人員的安全帽佩戴行為進(jìn)行了識別研究。

YOLO[9]算法由Redmon J在2016年提出，是能夠?qū)崿F(xiàn)端到端的檢測深度神經(jīng)網(wǎng)絡(luò)模型。該算法將輸入特征圖劃分成S×S的網(wǎng)格，每個(gè)網(wǎng)格會預(yù)測B個(gè)目標(biāo)檢測框，并用4個(gè)特征值來表征目標(biāo)檢測框的大小與位置，其中（x，y）表示中心坐標(biāo)，（w，h）表示寬、高。當(dāng)網(wǎng)格數(shù)S取值為7，對圖中49個(gè)的網(wǎng)格的位置和包含的信息來進(jìn)行預(yù)測，其中目標(biāo)中心點(diǎn)坐標(biāo)所在的網(wǎng)格負(fù)責(zé)目標(biāo)的檢測。

YOLO算法在檢測的過程中，有兩個(gè)重要的指標(biāo)，分別是置信度和類別概率值。置信度包括目標(biāo)檢測框中含有目標(biāo)物體的可能性大小和目標(biāo)檢測框的準(zhǔn)確度，用目標(biāo)檢測框與實(shí)際框的交并比IoU表示。類別概率值是指由某個(gè)網(wǎng)格負(fù)責(zé)預(yù)測的邊界框目標(biāo)屬于各個(gè)類別的概率。實(shí)際上，這些概率值是在不同邊界框置信度下的條件概率。

4 工程示范應(yīng)用

南槽航道治理工程監(jiān)控區(qū)域廣、涉及人員設(shè)備多，而現(xiàn)有的人工監(jiān)控?zé)o法及時(shí)判別違規(guī)行為、僅能在發(fā)生事故后提供視頻回放缺少事中視頻監(jiān)管、缺少自動識別以及智能分類的功能。通過整合作業(yè)區(qū)域內(nèi)的視頻監(jiān)控設(shè)備，開發(fā)“南槽一期工程施工現(xiàn)場安全風(fēng)險(xiǎn)智能監(jiān)測系統(tǒng)”，如圖4所示，運(yùn)用安全帽檢測算法實(shí)時(shí)檢測作業(yè)人員安全帽佩戴狀態(tài)，并對違規(guī)行為，及時(shí)發(fā)出違章報(bào)警信息，抓拍違章情況。

圖4 系統(tǒng)界面

隨著現(xiàn)場隱患整治的逐步深入以及安全風(fēng)險(xiǎn)智能監(jiān)測系統(tǒng)的不斷高效運(yùn)轉(zhuǎn)（見圖5），4個(gè)預(yù)制現(xiàn)場隱患數(shù)實(shí)現(xiàn)連續(xù)8個(gè)月遞減，下降了41.94%，其中靖江預(yù)制場的隱患數(shù)量連續(xù)4個(gè)月降為零?？梢?，安全風(fēng)險(xiǎn)得到了有效控制，有效地提升了現(xiàn)場管理水平，確保了工程項(xiàng)目的正常施工進(jìn)度。

圖5 運(yùn)行效果展示

5 結(jié)論

本文采用機(jī)器學(xué)習(xí)的方法，通過建立未佩戴安全帽的正負(fù)數(shù)據(jù)集，利用YOLO目標(biāo)檢測算法對公路水運(yùn)工程施工現(xiàn)場作業(yè)人員安全帽行為進(jìn)行檢測，并在南槽工程進(jìn)行了示范應(yīng)用。

1）綜合運(yùn)用了物聯(lián)網(wǎng)、傳感器、計(jì)算機(jī)視覺等前沿科技，為公路水運(yùn)工程施工作業(yè)安全+信息化融合做了較好示范。

2）通過對施工現(xiàn)場的數(shù)據(jù)采集、動態(tài)監(jiān)控、即時(shí)數(shù)據(jù)分析、智慧警示，實(shí)現(xiàn)了公路水運(yùn)工程施工作業(yè)流程中安全風(fēng)險(xiǎn)的全鏈條管理。