基于 Mask R-CNN 和 Hough 变换的施工脚手架完整性检测

Pei-Hsin Lin; Jacob J. Lin; Shang-Hsien Hsieh

基于 Mask R-CNN 和 Hough 变换的施工脚手架完整性检测

计算机视觉与模式识别 2025-03-20 v1 人工智能

作者: Pei-Hsin Lin , Jacob J. Lin , Shang-Hsien Hsieh

摘要

施工脚手架是许多建筑项目的必需品，确保其安全性对于防止事故至关重要。安全检查员必须检查脚手架的完整性和完整性，其中大多数违规行为都发生在此。检查过程包括确保所有组件都在正确的位置，因为工人常常为了便利性而妥协于安全性，并拆卸诸如横梁等部件。本文提出了一种基于深度学习的方法来检测脚手架及其横梁。使用带有注释标签的脚手架图像数据集训练卷积神经网络(CNN)模型。通过该方法，我们可以自动从施工现场拍摄的图像中检测横梁的完整性，而无需人工检查，从而节省大量的时间和人力成本。这一非侵入且高效的脚手架完整性检测解决方案有助于提高施工现场的安全性。

关键词

施工安全脚手架检测 Mask R-CNN Hough 变换计算机视觉深度学习

引用

@article{arxiv.2503.14716,
  title  = {Construction Site Scaffolding Completeness Detection Based on Mask R-CNN and Hough Transform},
  author = {Pei-Hsin Lin and Jacob J. Lin and Shang-Hsien Hsieh},
  journal= {arXiv preprint arXiv:2503.14716},
  year   = {2025}
}

备注

The 30th EG-ICE: International Conference on Intelligent Computing in Engineering

基于 Mask R-CNN 和 Hough 变换的施工脚手架完整性检测

摘要

关键词

引用

备注

相关论文