来源：期刊VIP网 时间：
作者：吴晗;韩豫;
单位：江苏大学土木工程与力学学院;江苏大学应急管理学院;
摘要：为解决因工人和施工机械侵入施工危险区域等原因造成的工程安全事故问题，提出一种多任务驱动的施工机械危险区域侵入事件动态识别与预警方法。首先以置换可变性卷积DConv2模块的Yolov8网络进行目标类别检测和坐标外轮廓提取，提高移动施工机械的识别准确率；然后结合Monodepth2单目深度估计网络进行深度信息估计和坐标统一，计算工人或施工机械距离危险区域事件的实际距离，用于评估和预警危险区域侵入风险；最后将测试结果与不同修改层的Yolov8、原始Yolov8和Yolov5模型进行对比，并设计4种场景进行模型性能验证。结果表明：模型在施工机械的识别和轮廓提取精度上分别提高了2.99%和3.55%，对工人和施工机械侵入移动施工机械危险区域风险事件的识别准确率能保持在88%以上，FPS保持在17.7左右，可以有效实现对施工机械危险区域侵入事件的智能动态预警。
关键词：施工安全;危险区域;侵入事件预警;人机碰撞;深度学习;深度估计
基金资助：国家自然科学基金面上项目（72071097）; 教育部人文社会科学研究规划基金项目（20YJAZH034）
