《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 模拟设计 > 设计应用 > 基于边缘计算的智慧工地视频分析系统设计
基于边缘计算的智慧工地视频分析系统设计
电子技术应用
王晓旋1，2，李博1，钟鹏2
1.浙江工业大学 物理学院；2.浙江宇视科技有限公司
摘要： 为精准识别工地工人未正确佩戴安全帽行为，并且实现系统快速响应问题，设计了一款采用边缘侧部署的智慧工地视频分析系统。系统硬件方案使用两颗AX650N芯片级联的方式，显著提高系统计算能力。软件方案采用Ubuntu操作系统，基于主流目标检测算法YOLOv8n，通过使用共享卷积层的空洞卷积替换SPPF模块中的池化层提升检测速度和精度；引入动态非单调调频的WIoU损失函数来提升对低质量样本的检测能力。实验结果表明，优化后的算法模型平均检测精度提高了1.8%，模型权重所占空间减少17.4%，模型检测速度提高了7.3%。在多个实地场景下进行系统测试，视频目标行为智能分析结果成功率都达到97%以上，且平均响应时间在1 s以内，此系统可以显著提高工地的管理效率与安全性。
中圖分類號：TP273 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256317
中文引用格式： 王曉旋，李博，鐘鵬. 基于邊緣計算的智慧工地視頻分析系統(tǒng)設(shè)計[J]. 電子技術(shù)應(yīng)用，2025，51(7)：52-59.
英文引用格式： Wang Xiaoxuan，Li Bo，Zhong Peng. Design of an edge-computing-based intelligent construction site video analysis system[J]. Application of Electronic Technique，2025，51(7)：52-59.
Design of an edge-computing-based intelligent construction site video analysis system
Wang Xiaoxuan1，2，Li Bo1，Zhong Peng2
1.School of Physics， Zhejiang University of Technology；2.Zhejiang Uniview Technologies Co.， Ltd.
Abstract： To accurately identify workers' failure to wear safety helmets correctly and enable rapid system response, this paper designs an intelligent construction site video analysis system deployed at the edge. The hardware architecture employs a cascaded configuration of two AX650N chips, significantly enhancing the system's computational power. The software solution is based on the Ubuntu operating system and integrates the state-of-the-art object detection algorithm YOLOv8n. By replacing pooling layers in the SPPF module with dilated convolutions sharing convolutional layers, the detection speed and accuracy are improved. Additionally, the WIoU loss function with dynamic non-monotonic modulation is introduced to enhance detection capabilities for low-quality samples. Experimental results demonstrate that the optimized algorithm model achieves a 1.8% improvement in average detection precision, a 17.4% reduction in model weight space, and a 7.3% increase in detection speed. System testing in multiple real-world scenarios shows that the intelligent analysis of video target behaviors achieves a success rate of over 97% with an average response time of less than 1 second. This system significantly enhances construction site management efficiency and safety.
Key words : edge computing；intelligent site；video analysis；cascade；YOLO

引言

在工地規(guī)范佩戴安全帽是一項基本管理要求，很大程度上可以避免工人遭受意外傷害，確保自身安全。但是，據(jù)調(diào)查結(jié)果顯示，由于工人未正確佩戴安全帽引起的事故占建筑施工事故的67.95%[1]，此數(shù)據(jù)明確指出了佩戴安全帽的重要性。因此，施工單位對工人安全帽佩戴狀態(tài)進行實時監(jiān)控，并且對不合理的行為及時制止，是有效降低安全風(fēng)險、減少安全事故的重要手段。

傳統(tǒng)的建筑工地對于工人是否佩戴安全帽問題采用人工檢查的方式，這種方式存在增加額外人力成本并且效率低[2]等問題。如今在工業(yè)智能化不斷發(fā)展的趨勢下，智慧工地深度融合了多種前沿技術(shù)，構(gòu)建了一個從前端監(jiān)控到邊緣端處理和云端管理的聯(lián)動機制。通過在建筑工地安裝高清攝像頭，實時捕捉現(xiàn)場畫面，智能分析系統(tǒng)搭載計算機視覺和人工智能等技術(shù)，對視頻數(shù)據(jù)分析處理[3-4]，有效解決建筑工地中存在的遠程監(jiān)管難以實施、監(jiān)督措施難以落地以及缺乏實時預(yù)警機制等問題[5]。

本文設(shè)計的基于邊緣計算[6-7]的視頻分析系統(tǒng)不需要將數(shù)據(jù)上傳云平臺處理，顯著縮短了數(shù)據(jù)傳輸延遲時間[8]。邊緣智能分析系統(tǒng)硬件上采用兩顆AX650N芯片級聯(lián)的方式，分為主從芯片模塊設(shè)計。主芯片模塊設(shè)計多樣化的外圍接口，實現(xiàn)系統(tǒng)的硬件擴展性和功能靈活性；從芯片模塊用于提高系統(tǒng)的計算能力與解碼能力。算法部分基于主流目標檢算法YOLOv8n進行頸部網(wǎng)絡(luò)中空間金字塔池化快速(Spatial Pyramid Pooling Fast, SPPF)模塊和損失函數(shù)優(yōu)化。經(jīng)過多個場景測試，檢測結(jié)果達到預(yù)期要求。


本文詳細內(nèi)容請下載：

http://m.ihrv.cn/resource/share/2000006595


作者信息：

王曉旋1，2，李博1，鐘鵬2

（1.浙江工業(yè)大學(xué) 物理學(xué)院，浙江 杭州 310023；

2.浙江宇視科技有限公司，浙江 杭州 310051）


Magazine.Subscription.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容