Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2019, Vol. 59 Issue (8): 628-634    DOI: 10.16511/j.cnki.qhdxxb.2019.26.008
  水利水电工程 本期目录 | 过刊浏览 | 高级检索 |
基于CNN模型的施工现场典型安全隐患数据学习
林鹏1, 魏鹏程1, 樊启祥2, 陈闻起3
1. 清华大学 水利水电工程系, 北京 100084;
2. 中国华能集团有限公司, 北京 100031;
3. 清华大学 计算机科学与技术系, 北京 100084
CNN model for mining safety hazard data from a construction site
LIN Peng1, WEI Pengcheng1, FAN Qixiang2, CHEN Wenqi3
1. Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China;
2. China Huaneng Group Co., Ltd., Beijing 100031, China;
3. Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China
全文: PDF(1080 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 该文旨在通过卷积神经网络(convolutional neural networks,CNN)模型对基础设施建设期典型安全隐患进行数据学习与挖掘,为现场智能安全管控提供方法和依据。依托于Wesafety平台实时统计出的某大型水电站现场安全隐患数据,分析了现场典型安全隐患特征,提出了基于CNN的安全隐患学习与挖掘模型,并定义了模型结构的卷积层、池化层、全连接层以及训练和测试流程,开发了相应的程序。结果表明:该方法提高了基础设施建设现场扁平-闭环安全管理的效率,为智能安全管理提供了崭新的思路,达到了机器自动识别典型隐患的目的,研究结果对建设工程安全隐患自动分类分析具有参考意义。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS