一种基于云平台的在建工程项目质量安全实时监测方法技术

本发明专利技术公开了一种基于云平台的在建工程项目质量安全实时监测方法，主要包括S100、系统获取并存储有质量安全问题的图像数据；S200、当系统累计的图像数据达到预置的阈值时，开始搭建YOLO模型并生成损失函数；S300、采用批量梯度下降法训练yolo模型参数，对生成的损失函数求偏导、误差反向传播、不断迭代，直到达到设定的预期识别精度，形成训练好的yolo模型等步骤。本发明专利技术充分的将云平台的沉淀的海量图像数据与YOLO算法相结合，再结合现场的摄像头实时传输的数据，能动态、直观的得出验证程度值，能有效避免监理工程师漏检和未及时发现重大质量安全问题带来的不必要损失。重大质量安全问题带来的不必要损失。重大质量安全问题带来的不必要损失。

【技术实现步骤摘要】
一种基于云平台的在建工程项目质量安全实时监测方法


[0001]本专利技术涉及质量监控领域，具体是指一种基于云平台的在建工程项目质量安全实时监测方法。

技术介绍

[0002]目前，在建的工程项目质量安全控制的主力军仍是驻场监理工程师和专业安全员日常巡检或者专项检查，这种方式固然重要，但是难免出漏检或者延时性。于是，许多在建工程项目都逐渐的引入协同管理平台来辅助管理项目过程中各参建方的协调工作，但这些平台的系统大部分功能只是一些可视化或者事务性的功能，比如审批流程，包括一些质量安全巡检流程单、支付申请单、监理通知单等，从而使得这些系统最后就变为一个文件归档类的作用。此外，很多事务性的功能都还是事后补充的，不仅没有到达及时反馈、及时解决的效果，而且还会造成经济损失。因此，目前就亟需一种能智能感知现场质量安全问题的实时管理系统或方法，从而达到发现问题能及时处理，以便能更好地服务于在建工程项目的目的。

技术实现思路

[0003]本专利技术的目的在于克服上述问题，提供一种基于云平台的在建工程项目质量安全实时监测方法。r/>[0004]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云平台的在建工程项目质量安全实时监测方法，其特征在于，主要包括以下步骤：S100、系统获取并存储有质量安全问题的图像数据；S200、当系统累计的图像数据达到预置的阈值时，开始搭建YOLO模型并生成损失函数；S300、采用批量梯度下降法训练yolo模型参数，对生成的损失函数求偏导、误差反向传播、不断迭代，直到达到设定的预期识别精度，形成训练好的yolo模型；S400、系统实时获取施工现场摄像头返回的实时视频流数据；S500、系统对获取的实时视频流数据进行捕捉成图像，并将该图像输入到已经训练好的YOLO模型中进行识别，输出质量问题或者安全问题的验证程度；S600、当验证程度为严重或者特别严重时，系统立即将该数据推送给现场的质量安全相关人员进行处理。2.根据权利要求1所述的一种基于云平台的在建工程项目质量安全实时监测方法，其特征在于，步骤S200中所述的“YOLO模型”，其包含24个用于提取图像特征的卷积层以及2个用于预测图像位置和类别概率值的全连接层。3.根据权利要求1或2所述的一种基于云平台的在建工程项目质量安全实时监测方法，其特征在于，步骤S200中所述的“损失函数”为图像预测数据与标定数据之间的误差，其包括坐标位置误差、包含是否有对象置信度误差、对象分类误差，其计算公式为：Loss＝Loss
coord
+Loss
obj
+Loss
classes
，其中，Loss
coord
表示坐标预测误差，衡量预测框和真实框的差异，其计算公式为：...

【专利技术属性】
技术研发人员：郭向伟，李山，尹航，彭玲，范帅，杨刚，石昌政，郑敏，
申请(专利权)人：同炎数智科技重庆有限公司，
类型：发明
国别省市：