如何减少建筑工地的伤亡事故？这 10 大AI手段来了

开头就先给出本文的结论吧——通过实时分析 7x24小时的视频信号，AI 和机器学习正在减少建筑工地的事故、盗窃与破坏行为和危险的操作环境。同时，还能获得对于威胁的预测性见解和信息。

美国国家设备登记局的数据显示，发生在建筑工地的盗窃损失往往每年超过 10 亿美元。最新型号的设备、工具和用品被盗最多，也最难找回。详细来说，被盗的建筑设备中只有 25% 被找回，再加上每年因事故和受伤而给建筑业造成的损失估计有 130 亿美元。因此，改善建筑工地安全的迫切性相当之高。

靠机器学习提升建筑工地安全

依据特定施工现场的具体条件、因素、位置和状态分析是否会导致，如何导致更大的现场安全和风险，最适合机器学习施展拳脚了。今后，用于保护建筑工地的远程监控系统将依靠机器学习算法在历史数据中挖掘新范式。同时，基于机器学习的远程监控系统也会依靠物联网传感器，结合夜视、红外和热感摄像头采集实时数据流。

通过将历史视频流和图像与实时数据流相结合，基于机器学习的远程监控系统可以对潜在的事故、盗窃或危险操作环境进行预测性识别。

AI 改善建筑工地安全的 10 大手段

最近，建筑安全与安保行业的资深从业者在云端齐聚一堂，针对标准化的基于机器学习的远程监控系统进行了讨论，最宝贵的收获之一是他们能从误报中节省多少时间。一位管理迈阿密、亚特兰大和芝加哥在建工程项目的安全总监表示，机器学习几乎消除了他负责建筑工地的误报。“我们的团队已经根据自家业务的特定模式对机器学习算法进行了微调，它几乎消除了误报问题，并