CN113807990A - 施工现场安全培训方法、系统、装置及存储介质 - Google Patents
施工现场安全培训方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN113807990A CN113807990A CN202111137039.4A CN202111137039A CN113807990A CN 113807990 A CN113807990 A CN 113807990A CN 202111137039 A CN202111137039 A CN 202111137039A CN 113807990 A CN113807990 A CN 113807990A
- Authority
- CN
- China
- Prior art keywords
- question
- bank
- safety training
- training
- wrong
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 163
- 238000010276 construction Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000003203 everyday effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000009435 building construction Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种施工现场安全培训方法、系统、装置及存储介质,属于建筑安全施工技术领域,其中,方法包括:通过获取用于安全培训的题库以及获取施工现场的当前施工信息和待安全培训的施工人员信息,生成待安全培训的施工人员的个人标签,将个人标签与题库中的题目标签进行匹配,生成于当前待安全培训的施工人员匹配的安全培训答卷。本申请根据个人标签与题目标签匹配,得到个人的安全培训答卷,可以解决目前施工现场线上安全培训方法中,生成的用于安全培训的答卷千篇一律,无法根据不同的待安全培训人员,有针对性的生成个性化答卷,导致培训效果不理想的问题。
Description
技术领域
本申请属于建筑施工安全技术领域,涉及一种施工现场安全培训方法、系统、装置及存储介质。
背景技术
根据大量的事实证明,施工现场发生的任何安全事故都是由于施工人员的不安全行为或者物体的不安全状态造成的,而物体的不安全状态也往往是由于人的因素造成的,因此必须加强施工人员的安全生产意识,提高安全生产管理及操作水平,从而对施工人员进行安全培训。
现有的施工现场线上安全培训方法使用的三种形式,观看教育视频,阅读关于施工安全的文本材料,就施工现场安全方面进行答题,答题所使用的题库为专门的人员基于施工现场的多项规定以及政策文件自行提炼的要点而设置的题目,但是这种方式的缺点很明显,首先工作量大,耗费大量的人力,基础知识库的积累需要人力,新的政策的颁布也需要不断的人力投入;其次,更新不及时,政策规定有变动的时候无法及时的更新,往往规定已经发出来了但是还在考老旧的知识点,最后,题库千篇一律,无法跟进项目的基本信息,也不能与施工现场的施工人员的基本信息保持一致。
因此,现有的施工现场线上安全培训方法,耗费人力生成题库,题库千篇一律,从题库中选取的用于安全培训的答卷,不能针对不同的待培训施工人员、不同的工作环境,生成有针对性的个性化答卷,无法实现有针对性的培训,培训效果不理想。
发明内容
本申请提供的一种施工现场安全培训方法,系统、装置及存储介质,用于解决目前施工现场线上安全培训方法中,生成的用于安全培训的答卷千篇一律,无法根据不同的待安全培训人员,有针对性的生成个性化答卷,导致培训效果不理想的问题。
本申请为解决其技术问题,通过如下技术方案:
第一方面,提供了一种施工现场安全培训方法,所述方法,包括:
获取用于安全培训的题库;所述题库是将政策文件的文本信息输入预先构建的题库生成模型得到的,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括施工安全的政策文件文本信息、根据所述政策文件提取的题目及题目标签,所述题目标签指示施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
获取施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
可选地,所述获取用于安全培训的题库,包括:
若所述政策文件有变动,则将所述变动的政策文件的文本信息输入所述预先构建的题库生成模型,得到与当前政策文件相匹配的用于安全培训的题库。
可选地,所述方法还包括:
对所述待安全培训的施工人员针对所述安全培训答卷的答题结果进行评估,得到评估结果;
根据所述评估结果,若当天有错题,则将所述错题标上错题标签,生成错题记录。
可选地,所述方法还包括:
根据所述评估结果,若所述待安全培训的施工人员的当天的预设次数的所述答题结果均不满足通过条件,则发出告警。
可选地,所述答题结果为所述答题的正确率,所述不满足通过条件,包括:
所述正确率小于预设概率。
可选地,所述生成与当前待安全培训的施工人员匹配的安全培训答卷,包括:
将所述个人标签与所述题库中的题目标签进行匹配,得到与当前待安全培训的施工人员匹配的安全培训题库;所述安全培训题库包括若干与当前待安全培训的施工人员匹配的所述带有题目标签的题目;
从所述安全培训题库中选取预设数量的所述题目,并插入所述当前待安全培训的施工人员前一天预定数量的所述错题,生成当天与所述当前待安全培训的施工人员匹配的安全培训答卷。
可选地,所述将所述个人标签与所述题库中的题目标签进行匹配,得到与当前待安全培训的施工人员匹配的安全培训题库之后,还包括:
将所述错题记录插入所述与当前待安全培训的施工人员匹配的安全培训题库。
可选地,所述方法还包括:
若所述当前待安全培训的施工人员对所述错题连续答对的次数达到预设次数,则取消该错题的所述错题标签。
可选地,所述插入所述当前待安全培训的施工人员前一天预定数量的所述错题,包括:
若所述当前待安全培训的施工人员前一天的所述错题数量小于等于预设阈值,则将前一天的所有错题均插入当天的所述安全培训答卷中。
可选地,所述插入所述当前待安全培训的施工人员前一天预定数量的所述错题,还包括:
若所述当前待安全培训的施工人员前一天的所述错题数量大于所述预设阈值,则将所述预设阈值范围以内数量的错题插入当天的所述安全培训答卷中;
对超过所述预设阈值范围数量的错题,每天选取预定数量的错题插入当天的所述安全培训答卷中,所述预定数量小于等于所述预设阈值。
第二方面,提供了一种施工现场安全培训系统,所述系统,包括:
题库生成模块,用于将政策文件文本信息输入预先构建的题库生成模型,得到用于安全培训的题库,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括施工安全的政策文件文本信息、根据所述政策文件提取的题目及题目标签,所述题目标签指示施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签生成模块,用于采集施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷生成模块,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
可选地,所述系统,还包括:
答后评估模块,用于对所述待安全培训的施工人员针对所述安全培训答卷的答题结果进行评估,得到评估结果;
根据所述评估结果,若当天有错题,则将所述错题标上错题标签,生成错题记录。
第三方面,提供了一种施工现场安全培训装置,所述装置,包括:
题库获取模块,用于获取用于安全培训的题库;所述题库是将政策文件输入预先构建的题库生成模型得到的,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括预先搜集的政策文件的文本信息、预设的题目及题目标签,所述题目标签指示施工现场的施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签获取模块,用于获取所述施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷获取模块,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
第四方面,提供了一种计算机可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时用于实现如权利要求第一方面所述的施工现场安全培训方法。
本申请的有益效果在于:本申请的施工现场安全培训方法,通过获取用于安全培训的题库以及获取施工现场的当前施工信息和待安全培训的施工人员信息,生成待安全培训的施工人员的个人标签,将个人标签与题库中的题目标签进行匹配,生成于当前待安全培训的施工人员匹配的安全培训答卷。可以解决现有的施工现场线上安全培训方法,耗费人力生成题库,题库千篇一律,不能针对不同的待培训施工人员、不同的工作环境,生成个性化答卷,无法实现有针对性的培训,培训效果不理想的问题。本申请的安全培训方法通过预先生成的带有题目标签的题库,与个人的标签匹配,可以生成个性化的答卷,针对不同的待安全培训人员,生成不同的答卷进行更有针对性地安全培训,提升培训效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,并可依照说明书的内容予以实施,以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请的一个实施例提供的施工现场安全培训方法的流程图;
图2是本申请的一个实施例提供的预先构建的题库生成模型的流程图;
图3是本申请的一个实施例提供的施工现场安全培训系统的框图;
图4是本申请的一个实施例提供的施工现场安全培训装置的框图;
图5是本申请的另一个实施例提供的施工现场安全培训装置的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本申请的具体实施方法作进一步详细描述。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有的施工现场线上安全培训方法,耗费人力生成题库,题库千篇一律,从而导致生成的答卷不针对于个人的问题,本申请提供了一种施工现场安全培训方法、系统、装置及存储介质。
图1是本申请的一个实施例提供的施工现场安全培训方法的流程图。该方法至少包括步骤101-步骤104;
步骤101,获取用于安全培训的题库。
具体地,本实施例将预先搜集的建筑施工领域相关的政策文件的文本信息,输入预先构建的题库生成模型,得到用于安全培训的题库。
其中,用于安全培训的题库包括若干带有题目标签的题目,题目标签指示施工信息和施工人员信息。
本实施例搜集的政策文件包括但不限于《建筑施工企业安全生产许可证管理规定》。
施工人员信息包括但不限于施工人员工种、设备、物料和环境等。
施工信息包括施工环节和施工天气,其中,施工环节包括但不限于土方、基础、回填、主体结构、封顶、结构验收、装墙、内外粉刷、楼地面和装饰装修等。施工天气包括但不限于冬季、夏季、雷暴和梅雨等。
图2给出了本申请的一个实施例提供构建题库生成模型的方法流程图,如图2所示,可选地,本实施例构建题库生成模型步骤,至少包括步骤11-步骤16;
步骤11,获取样本数据。
具体地,本实施例由人工将搜集的政策文件,根据类别不同,分别抽取3-5份政策文件,然后分别阅读政策文件,并从政策文件中提取要点,设置成基于政策要点的题目,并给该题目标注题目标签。
将每一份政策文件文本信息、对应的题目和题目标签,组成样本数据。
步骤12,将样本数据分为训练集和测试集。
步骤13,将训练集数据输入神经网络进行模型训练,得到待测的题库生成模型。
具体地,本实施例训练神经网络的实现方式如下:
将训练集数据输入神经网络,得到预测结果;
基于损失函数确定所述预测结果和对应的题目标签之间的差异;
基于所述差异对所述神经网络的参数进行迭代训练,直到所述差异达到预设差异范围或者迭代次数达到预设次数时停止,完成神经网络的训练,得到训练好的题库生成模型。
可选地,本实施例的神经网络可以是误差反向传播算法(Error BackPropageation Training,简称BP神经网络),BP神经网络是一种多层神经网络学习方法,它的主要特点是将信号前向传递,然后将误差后向传播,通过不断调节网络权重值,使得最终的输出与期望的输出尽可能接近,以达到训练的目的。本实施例对神经网络的类型不作限定。
步骤14,将测试集数据输入训练好的题库生成模型进行参数验证;
步骤15,判断是否测试通过,若测试通过,则执行步骤16,若测试未通过则执行步骤13;
可选地,测试通过指的是验证集数据的验证效果达到90%。
步骤16,将验证通过的题库生成模型输出,得到最终的题库生成模型。
步骤102,获取施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
具体地,施工人员在进入项目之前,需要先注册个人账号,录入相关信息,以完成待安全培训的施工人员的信息采集,项目管理人员每日更新项目进度,确保录入的施工进度与实际施工进度保持一致,根据当前施工人员和待安全培训的施工人员的信息以生成待安全培训的施工人员的个人标签。
其中录入的相关信息包括但不限于:姓名、性别、年龄、工龄、工种等。
可选地,该信息录入设备,例如可以是计算机、电脑、手机等移动设备,本实施例对信息录入设备的类型不作限定。
步骤103,将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷;
具体地,将个人标签与题库中的题目标签进行匹配,得到与当前待安全培训的施工人员匹配的安全培训题库,并插入当前待安全培训的施工人员前一天预定数量的错题,生成当天与当前待安全培训的施工人员匹配的安全培训答卷。
可选地,若当前待安全培训的施工人员前一天的错题数量小于等于预设阈值,则将前一天的所有错题均插入当天的安全培训答卷中;
若当前待安全培训的施工人员前一天的错题数量大于预设阈值,则将预设阈值范围以内数量的错题插入当前的安全培训答卷中,对超过预设阈值范围数量的错题,每天选取预定数量的错题插入当天的安全培训答卷中,预定数量小于等于预设阈值。
例如,预设阈值为10道题目,若施工人员A第一天答错了9道题,则第二天将错的9道题全部插入第二天的安全培训答卷中;若施工人员B第一天答错了25道题,则第二天选取10道错题插入第二天的安全培训答卷中,第三天再选取10道题插入第三天的安全培训答卷中,第四天将剩下的5道错题插入第四天的安全培训答卷中。
步骤104,对待安全培训的施工人员针对安全培训答卷的答题结果进行评估,得到评估结果。
具体地,对待安全培训的施工人员针对安全培训答卷的答题结果进行评估,得到评估结果,根据评估结果,若待安全培训的施工人员的当天的预设次数的答题结果的正确率均小于预设概率,则发出告警,且不允许当前施工人员进入施工现场进行作业。
例如,施工人员A一日有两次答题机会,若两次答题结果的正确率均小于90%,则不予通过,系统发出告警,且不允许该施工人员当天进入施工现场进行作业。
若当天有错题,则将错题标上错题标签,生成错题记录,将错题插入所述与当前待安全培训的施工人员匹配的安全培训题库,若当前待安全培训的施工人员对所述错题连续答对的次数达到预设次数,则取消该错题的错题标签。
综上所述,本申请的施工现场安全培训方法,通过获取用于安全培训的题库以及获取施工现场的当前施工信息和待安全培训的施工人员信息,生成待安全培训的施工人员的个人标签,将个人标签与题库中的题目标签进行匹配,生成于当前待安全培训的施工人员匹配的安全培训答卷。可以解决现有的施工现场线上安全培训方法,耗费人力生成题库,题库千篇一律,不能针对不同的待培训施工人员、不同的工作环境,生成个性化答卷,无法实现有针对性的培训,培训效果不理想的问题。本申请的安全培训方法通过预先生成的带有题目标签的题库,与个人的标签匹配,可以生成个性化的答卷,针对不同的待安全培训人员,生成不同的答卷进行更有针对性地安全培训,提升培训效果。
图3是本申请的一个实施例提供的施工现场安全培训系统的框图。该系统至少包括以下几个模块:题库生成模块410、个人标签生成模块420、答卷生成模块430和答后评估模块440。
题库生成模块410,用于将政策文件文本信息输入预先构建的题库生成模型,得到用于安全培训的题库,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括施工安全的政策文件文本信息、根据所述政策文件提取的题目及题目标签,所述题目标签指示施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签生成模块420,用于采集施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷生成模块430,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷;
答后评估模块440,用于对所述待安全培训的施工人员针对所述安全培训答卷的答题结果进行评估,得到评估结果;根据所述评估结果,若当天有错题,则将所述错题标上错题标签,生成错题记录。
相关细节参考上述方法实施例。
图4是本申请的一个实施例提供的施工现场安全培训装置的框图。该装置至少包括以下几个模块:题库获取模块510、个人标签获取模块520和答卷获取模块530。
题库获取模块510,用于获取用于安全培训的题库;所述题库是将政策文件输入预先构建的题库生成模型得到的,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括预先搜集的政策文件的文本信息、预设的题目及题目标签,所述题目标签指示施工现场的施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签获取模块520,用于获取所述施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷获取模块530,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
相关细节参考上述方法实施例。
需要说明的是:上述实施例中提供的施工现场安全培训装置在进行生成针对个人安全培训时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将施工现场安全培训装置的内部划分成不同的功能模块,以完成上述描述的全部或者部分功能。另外,上述实施例提供的施工现场安全培训装置于施工现场安全培训方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图5是本申请的另一个实施例提供的施工现场安全培训装置的框图,该装置可以是:平板电脑、笔记本电脑、台式电脑或服务器。施工现场安全培训装置还可能被称为便携式终端、台式终端、控制终端等,本实施例不对安全培训装置的类型作限定。该装置至少包括处理器610和存储器620。
处理器610包括一个或多个处理核心,比如:4核心处理器、8核心处理器等。处理器610可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable GateArray,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器610也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器610可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器610还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器620可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器620还可以包括告诉随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器620中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器610所执行以实现本申请中方法实施例提供的施工现场安全培训方法。
在一些实施例中,施工现场安全培训设备还可以包括有:外围设备接口和至少一个外围设备。处理器610、存储器620和外围设备接口之间可以通过总线和信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。
当然,施工现场安全培训装置还可以包括更少获取更多的组件,本实施例对此不作限定。
可选地,本申请还提供一种计算机产品,该计算机产品包括计算机可读存储介质,所述计算机可读存储介质中存储有程序,所述程序由处理器加载并执行以实现上述方法实施例的施工现场安全培训方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,为对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只有这些技术特征的组合不存在矛盾,都应当认为使本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种施工现场安全培训方法,其特征在于,所述方法,包括:
获取用于安全培训的题库;所述题库是将政策文件的文本信息输入预先构建的题库生成模型得到的,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括施工安全的政策文件文本信息、根据所述政策文件提取的题目及题目标签,所述题目标签指示施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
获取施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
2.根据权利要求1所述的方法,其特征在于,所述获取用于安全培训的题库,包括:
若所述政策文件有变动,则将所述变动的政策文件的文本信息输入所述预先构建的题库生成模型,得到与当前政策文件相匹配的用于安全培训的题库。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述待安全培训的施工人员针对所述安全培训答卷的答题结果进行评估,得到评估结果;
根据所述评估结果,若当天有错题,则将所述错题标上错题标签,生成错题记录。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述评估结果,若所述待安全培训的施工人员的当天的预设次数的所述答题结果均不满足通过条件,则发出告警。
5.根据权利要求4所述的方法,其特征在于,所述答题结果为所述答题的正确率,所述不满足通过条件,包括:
所述正确率小于预设概率。
6.根据权利要求3所述的方法,其特征在于,所述生成与当前待安全培训的施工人员匹配的安全培训答卷,包括:
将所述个人标签与所述题库中的题目标签进行匹配,得到与当前待安全培训的施工人员匹配的安全培训题库;所述安全培训题库包括若干与当前待安全培训的施工人员匹配的所述带有题目标签的题目;
从所述安全培训题库中选取预设数量的所述题目,并插入所述当前待安全培训的施工人员前一天预定数量的所述错题,生成当天与所述当前待安全培训的施工人员匹配的安全培训答卷。
7.根据权利要求6所述的方法,其特征在于,所述将所述个人标签与所述题库中的题目标签进行匹配,得到与当前待安全培训的施工人员匹配的安全培训题库之后,还包括:
将所述错题记录插入所述与当前待安全培训的施工人员匹配的安全培训题库。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
若所述当前待安全培训的施工人员对所述错题连续答对的次数达到预设次数,则取消该错题的所述错题标签。
9.根据权利要求6所述的方法,其特征在于,所述插入所述当前待安全培训的施工人员前一天预定数量的所述错题,包括:
若所述当前待安全培训的施工人员前一天的所述错题数量小于等于预设阈值,则将前一天的所有错题均插入当天的所述安全培训答卷中。
10.根据权利要求6所述的方法,其特征在于,所述插入所述当前待安全培训的施工人员前一天预定数量的所述错题,还包括:
若所述当前待安全培训的施工人员前一天的所述错题数量大于所述预设阈值,则将所述预设阈值范围以内数量的错题插入当天的所述安全培训答卷中;
对超过所述预设阈值范围数量的错题,每天选取预定数量的错题插入当天的所述安全培训答卷中,所述预定数量小于等于所述预设阈值。
11.一种施工现场安全培训系统,其特征在于,所述系统,包括:
题库生成模块,用于将政策文件文本信息输入预先构建的题库生成模型,得到用于安全培训的题库,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括施工安全的政策文件文本信息、根据所述政策文件提取的题目及题目标签,所述题目标签指示施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签生成模块,用于采集施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷生成模块,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
12.根据权利要求11所述的系统,其特征在于,所述系统,还包括:
答后评估模块,用于对所述待安全培训的施工人员针对所述安全培训答卷的答题结果进行评估,得到评估结果;
根据所述评估结果,若当天有错题,则将所述错题标上错题标签,生成错题记录。
13.一种施工现场安全培训装置,其特征在于,所述装置,包括:
题库获取模块,用于获取用于安全培训的题库;所述题库是将政策文件输入预先构建的题库生成模型得到的,所述题库生成模型是采用多组训练数据通过机器学习训练得到的,每组所述训练数据均包括预先搜集的政策文件的文本信息、预设的题目及题目标签,所述题目标签指示施工现场的施工信息和施工人员信息,所述题库包括若干带有所述题目标签的题目;
个人标签获取模块,用于获取所述施工现场的当前施工信息和待安全培训的施工人员信息,生成所述待安全培训的施工人员的个人标签;
答卷获取模块,用于将所述个人标签与所述题库中的题目标签进行匹配,生成与当前待安全培训的施工人员匹配的安全培训答卷。
14.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被处理器执行时用于实现如权利要求1至10任一项所述的施工现场安全培训方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137039.4A CN113807990A (zh) | 2021-09-27 | 2021-09-27 | 施工现场安全培训方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111137039.4A CN113807990A (zh) | 2021-09-27 | 2021-09-27 | 施工现场安全培训方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807990A true CN113807990A (zh) | 2021-12-17 |
Family
ID=78896793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111137039.4A Pending CN113807990A (zh) | 2021-09-27 | 2021-09-27 | 施工现场安全培训方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807990A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017124344A1 (zh) * | 2016-01-20 | 2017-07-27 | 吴晓敏 | 梳理知识点的方法以及学习系统 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111353037A (zh) * | 2020-02-27 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 一种题目生成方法、装置以及计算机可读存储介质 |
-
2021
- 2021-09-27 CN CN202111137039.4A patent/CN113807990A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017124344A1 (zh) * | 2016-01-20 | 2017-07-27 | 吴晓敏 | 梳理知识点的方法以及学习系统 |
CN111090809A (zh) * | 2019-12-20 | 2020-05-01 | 广州摩翼信息科技有限公司 | 题目推荐方法、装置、计算机设备和存储介质 |
CN111353037A (zh) * | 2020-02-27 | 2020-06-30 | 北京字节跳动网络技术有限公司 | 一种题目生成方法、装置以及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
张海峰等: "大学生安全教育的智能学习考核系统", 《福建电脑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | System dynamics modelling for improving urban resilience in Beijing, China | |
CN113592019B (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN110335140B (zh) | 基于社交关系预测贷款黑中介的方法、装置、电子设备 | |
WO2020073727A1 (zh) | 风险预测方法、装置、计算机设备和存储介质 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN114997263B (zh) | 基于机器学习的结训率分析方法、装置、设备及存储介质 | |
CN113282514B (zh) | 问题数据的处理方法、装置、计算机设备和存储介质 | |
CN113095050A (zh) | 一种智能成票方法、系统、设备及存储介质 | |
CN110689225A (zh) | 基于外呼的企业金融风险画像创建方法及相关设备 | |
CN113435998A (zh) | 贷款逾期预测方法、装置、电子设备及存储介质 | |
CN112507663A (zh) | 基于文本的判断题生成方法、装置、电子设备及存储介质 | |
CN110658905A (zh) | 设备运行状态的预警方法、预警系统及预警装置 | |
CN114880449B (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
CN112686053A (zh) | 一种数据增强方法、装置、计算机设备及存储介质 | |
WO2023040145A1 (zh) | 基于人工智能的文本分类方法、装置、电子设备及介质 | |
CN114398466A (zh) | 基于语义识别的投诉分析方法、装置、计算机设备及介质 | |
CN113807990A (zh) | 施工现场安全培训方法、系统、装置及存储介质 | |
CN114968821A (zh) | 基于强化学习的测试数据生成方法及装置 | |
CN112329891A (zh) | 双向注意力和判案逻辑结合的辅助判案方法、装置、介质 | |
CN118569961B (zh) | 一种租赁物池化管理方法及装置、存储介质及电子设备 | |
CN115374861A (zh) | 基于人工智能的异常预测方法、装置、设备及存储介质 | |
Xiao et al. | Exploring automated energy optimization with unstructured building data: A multi-agent based framework leveraging large language models | |
Mukherjee et al. | Modelling the redundancy of human speech sound inventories: An information theoretic approach | |
Chi et al. | Research on Mobile Approval for Power Grid Production Operations Based on Deep Learning | |
CN114462411A (zh) | 命名实体识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211217 |