基于深度神经网络的钢结构焊接施工风险识别方法研究

摘要

近年来随着社会经济和建筑行业的快速发展，安全问题日渐凸显，工人死亡和受伤事件屡见不鲜。钢结构焊接作为建筑行业施工中不可缺少的环节之一，需要一种高效快速的方法来检测工人在钢结构焊接中的施工风险。基于深度神经网络方法，构建图像文字描述模型，对钢结构焊接施工现场监控视频中提取的图像进行文字生成，并基于生成的文字识别现场工人的安全穿戴风险。通过网络爬虫和施工现场拍照收集图片数据，对图片数据进行数据增强和标注，制作成数据集；构建图像文字描述机器学习模型，使用建立的数据集对模型进行训练和验证，结果表明模型训练和验证识别准确度分别达到88%和85%;在文字识别结果的基础上采用关键词识别的方法进行风险结果判定。施工现场应用结果表明模型识别效果良好，并做出了准确直观的判定。

关键词

安全识别 / 深度学习 / 神经网络 / 图像文字生成 / 钢结构焊接