Использование комбинированных моделей искусственного интеллекта для контроля техники безопасности в строительстве
DOI:
https://doi.org/10.52575/2687-0932-2024-51-4-887-895Ключевые слова:
компьютерное зрение, комбинированные модели, строительная площадка, трекинг, защитная каска, трудовая дисциплина, техника безопасности, Yolo8Аннотация
В статье представлены постановки задач, их условия, ограничения и решения, направленные на выявление нарушений трудовой дисциплины (отсутствие на рабочем месте) и техники безопасности (неношение защитной каски) на строительной площадке. Показано, что обеспечить высокую точность идентификации и трекинга людей, а также классификации защитных касок на них возможно лишь при построении ИИ-архитектуры решения, основанной на комбинировании нейросетевых архитектур и продукционных правил, отражающих условия поставленных задач. При такой комбинации потенциально возможно получение наивысших характеристик точности детекции и распознавания, что продемонстрировано на конкретных примерах.
Скачивания
Библиографические ссылки
ГОСТ Р 59276-2020. Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения. https://docs.cntd.ru/document/1200177291
Гусев А.В. 2023. Автоматизация формирования выборок изображений естественных сцен для обучения и тестирования нейронных сетей. Экономика. Информатика. 50(3):624–632. DOI:10.52575/2687-0932-2023-50-3-624-632
Кузина О. Н. 2023. Модель управления производительностью труда в строительстве методами искусственного интеллекта. Научно-технический вестник Поволжья. 3: 68–73.
Aharon N., Orfaig R., Bobrovsky B.-Z., 2022. BoT-SORT: Robust Associations Multi-Pedestrian Tracking. Computer Vision and Pattern Recognition. https://arxiv.org/abs/2206.14651
Alikhanov J., Obidov O., 2024. LITE: A Paradigm Shift in Multi-Object Tracking with Efficient ReID Feature Integration. https://arxiv.org/html/2409.04187v1
Du Y., Zhao Z., Song Y., Zhao Y., Su F., Gong T., Meng H., 2022. StrongSORT: Make DeepSORT Great Again. Computer Vision and Pattern Recognition. https://arxiv.org/abs/2202.13514.
Maggiolino G., Ahmad A., Cao J., Kitani K., 2023. Deep OC-SORT: Multi-Pedestrian Tracking by Adaptive Re-Identification. Computer Vision and Pattern Recognition. https://arxiv.org/abs/2302.11813.
Otgonbold M.-E., Gochoo M., Alnajjar F., Ali L., Tan T.-H., Hsieh J.-W., Chen P.-Y., 2022. SHEL5K: An Extended Dataset and Benchmarking for Safety Helmet Detection. Sensors, 22(6), 2315. DOI: 10.3390/s22062315.
Siyeon Kim, Seok Hwan Hong, Hyodong Kim, Meesung Lee, Sungjoo Hwang. 2023. Small object detection (SOD) system for comprehensive construction site safety monitoring, Automation in Construction, Vol. 156. DOI: 10.1016/j.autcon.2023.105103.
Yunusov N., Islam B.M.S., Abdusalomov A., Kim, W. 2024. Robust Forest Fire Detection Method for Surveillance Systems Based on You Only Look Once Version 8 and Transfer Learning Approaches. Processes, 12, 1039. DOI: 10.3390/pr12051039
Просмотров аннотации: 7
Поделиться
Опубликован
Как цитировать
Выпуск
Раздел
Copyright (c) 2024 Экономика. Информатика
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
