CN117557089A - 一种工程监理项目风险评估方法、装置及电子设备 - Google Patents
一种工程监理项目风险评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117557089A CN117557089A CN202311387369.8A CN202311387369A CN117557089A CN 117557089 A CN117557089 A CN 117557089A CN 202311387369 A CN202311387369 A CN 202311387369A CN 117557089 A CN117557089 A CN 117557089A
- Authority
- CN
- China
- Prior art keywords
- risk
- supervision
- probability value
- image data
- project
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012502 risk assessment Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 45
- 230000000694 effects Effects 0.000 claims description 22
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 description 24
- 238000011156 evaluation Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 206010035148 Plague Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种工程监理项目风险评估方法、装置及电子设备,涉及数据处理的技术领域。在该方法中,接收无人机发送的监理图像数据,监理图像数据为针对工程监理项目的图像数据;对监理图像数据进行图像识别,确定第一实体特征,监理图像数据包括多个实体特征,第一实体特征为多个实体特征中的任意一个实体特征;若确认预设风险特征数据库中存在第一实体特征,则确定工程监理项目存在风险,预设风险特征数据库中预先存储有多个风险特征。实施本申请提供的技术方案,便于提高工程监理项目风险评估的效率。
Description
技术领域
本申请涉及数据处理的技术领域,具体涉及一种工程监理项目风险评估方法、装置及电子设备。
背景技术
工程监理项目是指具有相关资质的监理单位受甲方的委托,依据国家批准的工程项目建设文件、有关工程建设的法律、法规和工程建设监理合同及其他工程建设合同,代表甲方对乙方的工程建设实施监控的一种专业化服务活动。
一直以来,对工程监理项目的风险评估一直是困扰行业的难题。传统的现场监理方式往往需要监理人员亲临现场,对工程监理项目进行实地检查和评估。然而,由于工程地形复杂且面积较广等因素,使得人工监理方式需要投入大量的人力资源和时间成本,从而导致工程监理项目风险评估的效率较低。
因此,急需一种工程监理项目风险评估方法、装置及电子设备。
发明内容
本申请提供了一种工程监理项目风险评估方法、装置及电子设备,便于提高工程监理项目风险评估的效率。
在本申请的第一方面提供了一种工程监理项目风险评估方法,所述方法包括:接收无人机发送的监理图像数据,所述监理图像数据为针对工程监理项目的图像数据;对所述监理图像数据进行图像识别,确定第一实体特征,所述监理图像数据包括多个实体特征,所述第一实体特征为多个所述实体特征中的任意一个实体特征;若确认预设风险特征数据库中存在所述第一实体特征,则确定所述工程监理项目存在风险,所述预设风险特征数据库中预先存储有多个风险特征。
通过采用上述技术方案,首先,接收无人机发送的针对工程监理项目的图像数据,再对监理图像数据进行图像识别,从而确定第一实体特征。接下来,当确认预设风险特征数据库中存在第一实体特征时,便确定该工程监理项目存在风险。由此,相比于相关技术,不再需要人工监理方式对工程监理项目进行现场勘测和经验评估,实现了自动对工程监理项目的风险评估,从而便于提高工程监理项目风险评估的效率。
可选地,在所述接收无人机发送的监理图像数据之前,所述方法还包括:接收用户设备发送的监理请求,所述监理请求包括所述工程监理项目的监理区域;向所述无人机发送所述监理区域,以控制所述无人机对所述工程监理项目进行图像采集。
通过采用上述技术方案,通过接收用户设备发送的监理请求,并将该请求的监理区域发送给无人机,可以精确地控制无人机在指定的监理区域进行图像采集。这不仅提高了数据收集的自动化程度,而且减少了错误或遗漏的可能性。通过自动化的方式,可以大大减少人工进行图像采集的时间和人力成本。无人机可以快速、准确地获取监理区域的图像数据,从而提高了数据收集的效率。无人机采集图像数据能够避免人工采集数据时可能出现的安全隐患。通过自动化的方式采集的数据,可以更好地保存和记录数据采集的过程和结果,提高了数据的可信度和可追溯性,还有助于提高工程监理项目的科学性和规范性。
可选地,所述对所述监理图像数据进行图像识别,确定第一实体特征,具体包括:对所述监理图像数据进行边缘检测,得到边缘轮廓信息;对所述边缘轮廓信息进行特征提取,确定形状特征信息;对所述形状特征信息进行分类和聚类,得到所述第一实体特征。
通过采用上述技术方案,通过进行边缘检测、特征提取、分类和聚类等步骤,可以更精确地确定监理图像数据中的实体特征,从而提高了数据处理的精度。通过使用图像识别技术,可以自动进行边缘检测、特征提取、分类和聚类等步骤,从而提高了数据处理的效率和自动化程度,减少了人工处理的时间和成本。通过更精确地确定监理图像数据中的实体特征,可以提高预设风险特征数据库中风险特征比对的准确性和可靠性,从而更准确地预警工程监理项目中存在的风险。
可选地,在所述确定所述工程监理项目存在风险之后,所述方法还包括:根据所述监理区域,划定风险区域;计算所述风险区域内的风险概率值;根据所述风险概率值,确定风险等级。
通过采用上述技术方案,通过划定风险区域和计算风险概率值,可以更准确地定位工程监理项目中的风险区域和风险等级,从而有助于更准确地采取相应的应对措施。通过确定风险区域和风险等级,可以为工程监理人员提供具体、可操作的指导,从而有助于更好地进行工程监理工作。通过提供风险概率值和风险等级等信息,可以为决策者提供更全面的决策支持,从而有助于做出更加科学、合理的决策。
可选地,所述计算所述风险区域内的风险概率值,具体包括:获取所述工程监理项目的人员工作时长;获取所述风险区域的人员活动时长;计算所述人员活动时长与所述人员工作时长的比值,得到所述风险概率值。
通过采用上述技术方案,通过获取工程监理项目的人员工作时长和风险区域的人员活动时长,可以获得更全面、准确的数据,从而有助于更准确地计算风险概率值。
定量分析:通过计算人员活动时长与人员工作时间的比值,可以将风险概率值进行量化,从而可以进行更定量、更准确的分析和评估。通过记录和存储人员工作时长、人员活动时长等数据,可以为不同工程监理项目之间的风险概率值比较和分析提供数据支持和分析基础,有助于提高数据的可追溯性和可比性。由于获取人员工作时长和人员活动时长的方法是定量的,因此该方法可以在不同的工程监理项目中重复使用,从而有助于提高方法的可重复性和可扩展性。通过更完整、更定量地考虑人员工作时间和活动时间等因素,可以更准确地评估风险区域内的风险概率值,从而有助于更准确地确定风险等级和采取相应的应对措施。
可选地,所述根据所述风险概率值,确定风险等级,具体包括:判断所述风险概率值与第一概率值、第二概率值之间的大小关系,所述第一概率值小于所述第二概率值;若所述风险概率值大于所述第一概率值,且小于所述第二概率值,则确定所述风险等级为第一风险等级。
通过采用上述技术方案,通过比较风险概率值与第一概率值和第二概率值的大小关系,可以更准确地定义风险等级,从而有助于更好地理解和评估工程监理项目中的风险。通过调整第一概率值和第二概率值的设置,可以灵活地扩展该方法到不同的工程监理项目中,从而有助于提高该方法的可扩展性和可重复性。通过准确地确定风险等级,可以为决策者提供更全面的决策支持,从而有助于做出更加科学、合理的决策,从而便于预警和采取相应的应对措施,进而有助于提高工程监理项目的风险应对能力和可靠性。
可选地,若所述风险概率值大于或等于所述第二概率值,则确定所述风险等级为第二风险等级,所述第二风险等级高于所述第一风险等级;若所述风险概率值小于或等于所述第一概率值,则确定所述风险等级为第三风险等级,其中,所述第三风险等级低于所述第一风险等级。
通过采用上述技术方案,通过将风险概率值与第一概率值和第二概率值进行比较,可以划分为三个不同层次的风险等级,这有助于更好地理解和评估工程监理项目中的不同风险级别。另外,分层的风险等级划分方式能够覆盖更全面的风险范围,从而有助于提高工程监理项目的风险识别和评估的全面性。通过明确的风险等级划分,可以更快地定位和评估不同层次的风险,从而有助于提高决策效率。
在本申请的第二方面提供了一种工程监理项目风险评估装置,所述工程监理项目风险评估装置包括获取模块和处理模块,其中,所述获取模块,用于接收无人机发送的监理图像数据,所述监理图像数据为针对工程监理项目的图像数据;所述处理模块,用于对所述监理图像数据进行图像识别,确定第一实体特征,所述监理图像数据包括多个实体特征,所述第一实体特征为多个所述实体特征中的任意一个实体特征;所述处理模块,还用于若确认预设风险特征数据库中存在所述第一实体特征,则确定所述工程监理项目存在风险,所述预设风险特征数据库中预先存储有多个风险特征。
在本申请的第三方面提供了一种电子设备,所述电子设备包括处理器、存储器、用户接口以及网络接口,所述存储器用于存储指令,所述用户接口和所述网络接口均用于给其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述电子设备执行如上所述的方法。
在本申请的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如上所述的方法。
综上所述,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过接收无人机发送的针对工程监理项目的图像数据,再对监理图像数据进行图像识别,从而确定第一实体特征。接下来,当确认预设风险特征数据库中存在第一实体特征时,便确定该工程监理项目存在风险。由此,相比于相关技术,不再需要人工监理方式对工程监理项目进行现场勘测和经验评估,实现了自动对工程监理项目的风险评估,从而便于提高工程监理项目风险评估的效率;
2.通过进行边缘检测、特征提取、分类和聚类等步骤,可以更精确地确定监理图像数据中的实体特征,从而提高了数据处理的精度。通过使用图像识别技术,可以自动进行边缘检测、特征提取、分类和聚类等步骤,从而提高了数据处理的效率和自动化程度,减少了人工处理的时间和成本。通过更精确地确定监理图像数据中的实体特征,可以提高预设风险特征数据库中风险特征比对的准确性和可靠性,从而更准确地预警工程监理项目中存在的风险;
3.通过将风险概率值与第一概率值和第二概率值进行比较,可以划分为三个不同层次的风险等级,这有助于更好地理解和评估工程监理项目中的不同风险级别。另外,分层的风险等级划分方式能够覆盖更全面的风险范围,从而有助于提高工程监理项目的风险识别和评估的全面性。通过明确的风险等级划分,可以更快地定位和评估不同层次的风险,从而有助于提高决策效率。
附图说明
图1为本申请实施例提供的一种工程监理项目风险评估方法的流程示意图。
图2为本申请实施例提供的一种工程监理项目风险评估装置的模块示意图。
图3为本申请实施例提供的一种电子设备的结构示意图。
附图标记说明:21、获取模块;22、处理模块;31、处理器;32、通信总线;33、用户接口;34、网络接口;35、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
工程监理项目是指具有相关资质的监理单位接受甲方的委托,根据国家批准的工程项目建设文件、有关工程建设的法律、法规和工程建设监理合同,以及其他工程建设合同,代表甲方对乙方的工程建设进行监督、控制、管理等一系列的专业化服务活动。然而,一直以来,对工程监理项目的风险评估一直是困扰整个行业的难题。
目前,传统的现场监理方式,往往需要监理人员亲自到现场,对工程监理项目进行实地检查、审核和验收等。然而,由于工程地形复杂、面积较广、气候变化等因素,导致传统的现场监理方式需要投入大量的人力资源和时间成本,并且无法保证数据的准确性和及时性,从而导致工程监理项目风险评估的效率较低。
为了解决上述技术问题,本申请提供了一种工程监理项目风险评估方法,参照图1,图1为本申请实施例提供的一种工程监理项目风险评估方法的流程示意图。该工程监理项目风险评估方法应用于服务器,包括步骤S110至步骤S130,上述步骤如下:
S110、接收无人机发送的监理图像数据,监理图像数据为针对工程监理项目的图像数据。
具体地,服务器首先将接收无人机发送的监理图像数据,监理图像数据为无人机针对工程监理项目的某一区域进行拍摄的图像数据。其中,无人机为具有拍摄图像数据功能的无人机,可以接收来自服务器的控制指令。举例来说,当服务器向无人机发送需要拍摄的监理区域的具体位置信息时,无人机根据该指令能够自动飞往该区域,并进行图像采集,并将采集到的图像数据发送给服务器。监理图像数据可以为施工现场的图像数据或者工地存放施工器材的图像数据。
在本申请实施例中,服务器为管理监理图像数据的服务器,用于提供后台服务,服务器可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。用户设备的类型包括但不限于:安卓(Android)系统设备、苹果公司开发的移动操作系统(iOS)设备、个人计算机(PC)、全球局域网(World Wide Web,web)设备、虚拟现实(Virtual Reality,VR)设备、增强现实(Augmented Reality,AR)设备等设备。在本申请实施例中,用户设备为电脑。
在一种可能的实施方式中,在接收无人机发送的监理图像数据之前,具体还包括:接收用户设备发送的监理请求,监理请求包括工程监理项目的监理区域;向无人机发送监理区域,以控制无人机对工程监理项目进行图像采集。
具体地,服务器首先接收用户设备发送的监理请求,在这个步骤中,用户设备会发送一个包含工程监理项目信息的请求到服务器。这个请求可能包含项目的名称、位置、规模等信息,以便服务器能够了解用户需要监理什么项目。用户设备发送的监理请求会包含工程监理项目的监理区域。监理区域可以理解为用户想要无人机监理的特定区域。例如,如果用户想要无人机监理一个建筑项目的施工情况,那么用户可能会发送一个包含这个建筑项目的位置、大小、形状等信息的监理请求。在接收到包含监理区域的监理请求后,服务器会将这个请求发送给无人机。无人机在接收到这个请求后,会根据这个请求中的监理区域信息,调整自己的飞行路径,并从不同的角度和高度采集该区域的图像数据。这些数据随后被发送回服务器,供后续进一步分析和使用。
S120、对监理图像数据进行图像识别,确定第一实体特征,监理图像数据包括多个实体特征,第一实体特征为多个实体特征中的任意一个实体特征。
具体地,服务器在获取到监理图像数据后,对监理图像数据进行图像识别,以识别和提取图像中的特定元素或特征。这种识别过程可以包括边缘检测、特征匹配、对象识别等不同的图像处理技术。在识别图像中的特定元素或特征后,服务器会从这些特征中确定第一实体特征。监理图像数据中包含多个不同的实体特征,这些特征代表不同的对象、元素或属性。第一实体特征可以是工人、建筑材料、施工设备等任何一个实体特征。
在一种可能的实施方式中,对监理图像数据进行图像识别,确定第一实体特征,具体包括:对监理图像数据进行边缘检测,得到边缘轮廓信息;对边缘轮廓信息进行特征提取,确定形状特征信息;对形状特征信息进行分类和聚类,得到第一实体特征。
具体地,服务器首先对监理图像数据进行边缘检测,得到边缘轮廓信息,目的是识别图像中的边界和轮廓。在这个过程中,可以使用一些常用的边缘检测算法,如Sobel、Canny等,来检测图像中的边缘,从而得到边缘轮廓信息。接下来,服务器对边缘轮廓信息进行特征提取,确定形状特征信息,在这个步骤中,从上一步得到的边缘轮廓信息中提取出形状特征。这些特征可能包括轮廓的长度、宽度、面积,或者更复杂的形状特征,如轮廓的曲率、方向等。这些特征可以提供关于图像中物体的形状和大小的信息。最后,服务器对形状特征信息进行分类和聚类,得到第一实体特征。比如通过使用分类器或聚类算法,根据形状特征信息将图像中的实体分为不同的类别或集群。
举个例子,假设有一张无人机拍摄的包含建筑工地的照片。在对该照片进行图像识别时,首先可以使用边缘检测算法检测出照片中的边界和轮廓,得到边缘轮廓信息。然后从这些边缘轮廓信息中提取出形状特征,例如工人、建筑材料、施工设备的轮廓长度、宽度、面积等。最后,通过使用分类器或聚类算法,将这些形状特征分为不同的类别或集群,得到的第一实体特征可以为:“施工电缆裸露在室外泥地中”或者“施工设备位于楼层边缘”等。
S130、若确认预设风险特征数据库中存在第一实体特征,则确定工程监理项目存在风险,预设风险特征数据库中预先存储有多个风险特征。
具体地,当服务器确定出第一实体特征之后,将在预设风险特征数据库中查找第一实体特征,当确认在预设风险特征数据查找到第一实体特征之后,服务器将确定该工程监理项目存在风险。举例来说,“施工电缆裸露在室外泥地中”或者“施工设备位于楼层边缘”两者都存在发生安全事故的风险,因此,为了降低风险,判定该类型的监理图像数据对应的工程监理项目存在风险,需要引起监理人员的警惕。由此,相比于相关技术,不再需要人工监理方式对工程监理项目进行现场勘测和经验评估,实现了自动对工程监理项目的风险评估,从而便于提高工程监理项目风险评估的效率。
在一种可能的实施方式中,在确定工程监理项目存在风险之后,具体还包括:根据监理区域,划定风险区域;计算风险区域内的风险概率值;根据风险概率值,确定风险等级。
具体地,在确定工程监理项目存在风险后,根据监理区域的信息,进一步划定出风险区域。风险区域是指在监理区域中存在较高风险的特定区域或子区域。例如,如果一个建筑项目的施工设备位于楼层边缘,那么这个楼层下的施工区域就可能被划定为风险区域,因为施工设备有坠楼的风险。接下来,服务器会计算出风险区域内发生风险的概率值。这个概率值的计算可能基于多种因素,例如历史数据、相似案例的分析、专家的意见等。例如,如果一个风险区域历史上多次发生类似的风险事件。最后,服务器根据风险概率值,确定风险等级,在计算出风险区域内的风险概率值后,服务器会根据这个概率值来确定风险等级。一般来说,高风险概率值意味着高风险等级。但是在实际应用中,具体的等级划分可能会根据实际情况和需求有所不同,例如可能会分为“低风险”、“中风险”和“高风险”等不同的等级。
在一种可能的实施方式中,计算风险区域内的风险概率值,具体包括:获取工程监理项目的人员工作时长;获取风险区域的人员活动时长;计算人员活动时长与人员工作时长的比值,得到风险概率值。
具体地,上述过程为本申请实施例提供的一种风险概率值的具体计算方式。服务器首先将获取工程监理项目的人员工作时长,在这个步骤中,服务器会获取参与到该工程监理项目中的工作人员的工作时长。这个工作时长可能包括每个工作人员每天的工作时间信息。例如,如果一个现场施工人员参与了一个为期半年的工程监理项目每天工作8小时,那么人员工作时长就可以被计算为8小时。接下来,服务器获取风险区域的人员活动时长,这个步骤中,服务器可以通过分析无人机采集的图像数据,获取到在风险区域内的人员活动时长。这个活动时长可能包括人员在风险区域内每天的工作时间信息。例如,如果通过图像识别,发现在过去的一周内有35个小时的风险区域内有人员活动,那么每天的人员活动5小时就可以被视为该风险区域内的人员活动时长。最后,服务器将计算人员活动时长与人员工作时长的比值,得到风险概率值。由上述例子可知,风险概率值为5/8。
在一种可能的实施方式中,根据风险概率值,确定风险等级,具体包括:判断风险概率值与第一概率值、第二概率值之间的大小关系,第一概率值小于第二概率值;若风险概率值大于第一概率值,且小于第二概率值,则确定风险等级为第一风险等级。
具体地,服务器判断风险概率值与第一概率值、第二概率值之间的大小关系,在这个步骤中,第一概率值和第二概率值被预先设定,或者根据实际情况和需求来确定。如果风险概率值大于第一概率值,且小于第二概率值,那么服务器就会确定风险等级为第一风险等级。例如,如果风险概率值为0.03,第一概率值为0.01,第二概率值为0.1,因此可以确定风险等级为第一风险等级。
在一种可能的实施方式中,若风险概率值大于或等于第二概率值,则确定风险等级为第二风险等级,第二风险等级高于第一风险等级;若风险概率值小于或等于第一概率值,则确定风险等级为第三风险等级,其中,第三风险等级低于第一风险等级。
具体地,上述内容为服务器在判断风险概率值与两个不同概率值之间的大小关系后,根据这个大小关系来确定风险等级的另一种情况。如果风险概率值大于或等于第二概率值,就确定风险等级为第二风险等级,第二风险等级高于第一风险等级;如果风险概率值小于或等于第一概率值,就确定风险等级为第三风险等级,第三风险等级低于第一风险等级。通过设定不同的风险等级,可以将风险按照其大小和重要性进行精细化管理。对于高风险等级的风险,需要重点关注和应对,以防止其带来严重的损失。进一步地,不同等级的风险需要采取不同的应对策略。对于高风险等级的风险,需要采取更加积极主动的应对措施,例如制定详细的预防措施、加强监测和预警等。通过将风险按照等级进行分类,可以更加高效地进行风险评估和管理。对于低风险等级的风险,可以简化处理程序或者延后处理,以节省人力和时间资源。并且有助于提高决策的准确性和科学性,从而为项目的成功实施提供更好的保障。
本申请还提供了一种工程监理项目风险评估装置,参照图2,图2为本申请实施例提供的一种工程监理项目风险评估装置的模块示意图。工程监理项目风险评估装置为服务器,服务器包括获取模块21和处理模块22,其中,获取模块21,用于接收无人机发送的监理图像数据,监理图像数据为针对工程监理项目的图像数据;处理模块22,用于对监理图像数据进行图像识别,确定第一实体特征,监理图像数据包括多个实体特征,第一实体特征为多个实体特征中的任意一个实体特征;处理模块22,还用于若确认预设风险特征数据库中存在第一实体特征,则确定工程监理项目存在风险,预设风险特征数据库中预先存储有多个风险特征。
在一种可能的实施方式中,处理模块22在接收无人机发送的监理图像数据之前,还包括:获取模块21接收用户设备发送的监理请求,监理请求包括工程监理项目的监理区域;处理模块22向无人机发送监理区域,以控制无人机对工程监理项目进行图像采集。
在一种可能的实施方式中,处理模块22对监理图像数据进行图像识别,确定第一实体特征,具体包括:处理模块22对监理图像数据进行边缘检测,得到边缘轮廓信息;处理模块22对边缘轮廓信息进行特征提取,确定形状特征信息;处理模块22对形状特征信息进行分类和聚类,得到第一实体特征。
在一种可能的实施方式中,在处理模块22确定工程监理项目存在风险之后,还包括:处理模块22根据监理区域,划定风险区域;处理模块22计算风险区域内的风险概率值;处理模块22根据风险概率值,确定风险等级。
在一种可能的实施方式中,处理模块22计算风险区域内的风险概率值,具体包括:获取模块21获取工程监理项目的人员工作时长;获取模块21获取风险区域的人员活动时长;处理模块22计算人员活动时长与人员工作时长的比值,得到风险概率值。
在一种可能的实施方式中,处理模块22根据风险概率值,确定风险等级,具体包括:处理模块22判断风险概率值与第一概率值、第二概率值之间的大小关系,第一概率值小于第二概率值;若风险概率值大于第一概率值,且小于第二概率值,则处理模块22确定风险等级为第一风险等级。
在一种可能的实施方式中,若风险概率值大于或等于第二概率值,则处理模块22确定风险等级为第二风险等级,第二风险等级高于第一风险等级;若风险概率值小于或等于第一概率值,则处理模块22确定风险等级为第三风险等级,其中,第三风险等级低于第一风险等级。
需要说明的是:上述实施例提供的装置在实现其功能时,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,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和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。
本申请还提供了一种电子设备,参照图3,图3为本申请实施例提供的一种电子设备的结构示意图。电子设备可以包括:至少一个处理器31,至少一个网络接口34,用户接口33,存储器35,至少一个通信总线32。
其中,通信总线32用于实现这些组件之间的连接通信。
其中,用户接口33可以包括显示屏(Display)、摄像头(Camera),可选用户接口33还可以包括标准的有线接口、无线接口。
其中,网络接口34可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器31可以包括一个或者多个处理核心。处理器31利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器35内的指令、程序、代码集或指令集,以及调用存储在存储器35内的数据,执行服务器的各种功能和处理数据。可选的,处理器31可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable Logic Array,PLA)中的至少一种硬件形式来实现。处理器31可集成中央处理器(Central ProcessingUnit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器31中,单独通过一块芯片进行实现。
其中,存储器35可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器35包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器35可用于存储指令、程序、代码、代码集或指令集。存储器35可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器35可选的还可以是至少一个位于远离前述处理器31的存储装置。如图3所示,作为一种计算机存储介质的存储器35中可以包括操作系统、网络通信模块、用户接口模块以及一种工程监理项目风险评估方法的应用程序。
在图3所示的电子设备中,用户接口33主要用于为用户提供输入的接口,获取用户输入的数据;而处理器31可以用于调用存储器35中存储一种工程监理项目风险评估方法的应用程序,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个的方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质存储有指令。当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (10)
1.一种工程监理项目风险评估方法,其特征在于,所述方法包括:
接收无人机发送的监理图像数据,所述监理图像数据为针对工程监理项目的图像数据;
对所述监理图像数据进行图像识别,确定第一实体特征,所述监理图像数据包括多个实体特征,所述第一实体特征为多个所述实体特征中的任意一个实体特征;
若确认预设风险特征数据库中存在所述第一实体特征,则确定所述工程监理项目存在风险,所述预设风险特征数据库中预先存储有多个风险特征。
2.根据权利要求1所述的工程监理项目风险评估方法,其特征在于,在所述接收无人机发送的监理图像数据之前,所述方法还包括:
接收用户设备发送的监理请求,所述监理请求包括所述工程监理项目的监理区域;
向所述无人机发送所述监理区域,以控制所述无人机对所述工程监理项目进行图像采集。
3.根据权利要求1所述的工程监理项目风险评估方法,其特征在于,所述对所述监理图像数据进行图像识别,确定第一实体特征,具体包括:
对所述监理图像数据进行边缘检测,得到边缘轮廓信息;
对所述边缘轮廓信息进行特征提取,确定形状特征信息;
对所述形状特征信息进行分类和聚类,得到所述第一实体特征。
4.根据权利要求2所述的工程监理项目风险评估方法,其特征在于,在所述确定所述工程监理项目存在风险之后,所述方法还包括:
根据所述监理区域,划定风险区域;
计算所述风险区域内的风险概率值;
根据所述风险概率值,确定风险等级。
5.根据权利要求4所述的工程监理项目风险评估方法,其特征在于,所述计算所述风险区域内的风险概率值,具体包括:
获取所述工程监理项目的人员工作时长;
获取所述风险区域的人员活动时长;
计算所述人员活动时长与所述人员工作时长的比值,得到所述风险概率值。
6.根据权利要求4所述的工程监理项目风险评估方法,其特征在于,所述根据所述风险概率值,确定风险等级,具体包括:
判断所述风险概率值与第一概率值、第二概率值之间的大小关系,所述第一概率值小于所述第二概率值;
若所述风险概率值大于所述第一概率值,且小于所述第二概率值,则确定所述风险等级为第一风险等级。
7.根据权利要求6所述的工程监理项目风险评估方法,其特征在于,所述方法还包括:
若所述风险概率值大于或等于所述第二概率值,则确定所述风险等级为第二风险等级,所述第二风险等级高于所述第一风险等级;
若所述风险概率值小于或等于所述第一概率值,则确定所述风险等级为第三风险等级,其中,所述第三风险等级低于所述第一风险等级。
8.一种工程监理项目风险评估装置,其特征在于,所述工程监理项目风险评估装置包括获取模块(21)和处理模块(22),其中,
所述获取模块(21),用于接收无人机发送的监理图像数据,所述监理图像数据为针对工程监理项目的图像数据;
所述处理模块(22),用于对所述监理图像数据进行图像识别,确定第一实体特征,所述监理图像数据包括多个实体特征,所述第一实体特征为多个所述实体特征中的任意一个实体特征;
所述处理模块(22),还用于若确认预设风险特征数据库中存在所述第一实体特征,则确定所述工程监理项目存在风险,所述预设风险特征数据库中预先存储有多个风险特征。
9.一种电子设备,其特征在于,所述电子设备包括处理器(31)、存储器(35)、用户接口(33)以及网络接口(34),所述存储器(35)用于存储指令,所述用户接口(33)和所述网络接口(34)均用于给其他设备通信,所述处理器(31)用于执行所述存储器(35)中存储的指令,以使所述电子设备执行如权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如权利要求1至7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311387369.8A CN117557089A (zh) | 2023-10-25 | 2023-10-25 | 一种工程监理项目风险评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311387369.8A CN117557089A (zh) | 2023-10-25 | 2023-10-25 | 一种工程监理项目风险评估方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117557089A true CN117557089A (zh) | 2024-02-13 |
Family
ID=89822357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311387369.8A Pending CN117557089A (zh) | 2023-10-25 | 2023-10-25 | 一种工程监理项目风险评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557089A (zh) |
-
2023
- 2023-10-25 CN CN202311387369.8A patent/CN117557089A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197658B (zh) | 图像标注信息处理方法、装置、服务器及系统 | |
CN110059668B (zh) | 行为预测处理方法、装置及电子设备 | |
CN109583278B (zh) | 人脸识别报警的方法、装置、系统及计算机设备 | |
CN108319926A (zh) | 一种工地现场的安全帽佩戴检测系统及检测方法 | |
CN111081017B (zh) | 车辆信息管理系统、方法、计算机设备及存储介质 | |
CN108932273B (zh) | 图片筛选方法及装置 | |
CN110738178A (zh) | 园区施工安全检测方法、装置、计算机设备及存储介质 | |
CN111428572B (zh) | 信息处理方法、装置、电子设备和介质 | |
CN108614895B (zh) | 异常的数据访问行为的识别方法及数据处理装置 | |
CN113076935B (zh) | 基于图像识别的监管方法、装置、服务器及介质 | |
CN109376689B (zh) | 人群分析方法及装置 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
WO2023022587A1 (en) | Geographic data processing methods and systems for assessing geohazard risk | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
CN111461143A (zh) | 一种图片翻拍识别方法和装置及电子设备 | |
CN113869427A (zh) | 一种场景分析方法、装置、电子设备及存储介质 | |
CN111723767B (zh) | 一种图像处理方法、装置及计算机存储介质 | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN117557089A (zh) | 一种工程监理项目风险评估方法、装置及电子设备 | |
CN106599865A (zh) | 刀闸状态识别装置与方法 | |
CN111199182A (zh) | 基于智慧社区的丢失物件方法、系统及存储介质 | |
CN110689028A (zh) | 现场图测评方法、现场勘查记录测评方法及其装置 | |
CN114218453A (zh) | 数据展示方法、装置、设备及可读存储介质 | |
CN113393159A (zh) | 一种基于关联网络的智能风控平台系统、装置和设备 | |
CN114140707A (zh) | 一种电网故障巡检方法 |
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 |