基于CNN模型的施工现场典型安全隐患数据学习

• 作者: 林鹏 樊启祥 陈闻起 魏鹏程
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 智能安全管理 安全隐患 数据学习与挖掘 卷积神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 水利水电工程
• 页码范围: 628-634
• 页数: 7页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.16511/j.cnki.qhdxxb.2019.26.008

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.