机构名称：
¥ 1.0
摘要本文介绍了一种用于监测混凝土倒入的新方法。传统的手动跟踪方法很乏味，而自动化解决方案（例如计算机视觉（CV）启用的方法）受到了隐秘数据的挑战，并且对各种起重机行为模式的适应性有限。我们提出了一种将上下文知识与对象识别相结合的知识图增强的简历方法。这种方法分析了塔起重机的行为及其与工人，卡车混合器和建筑元素的互动，从而提供了对混凝土倾倒进度的详细且具有弹性的解释。初步发现揭示了该方法解释不完整数据并理解复杂的站点动态的能力，这在现实世界情景中表现出了有希望的潜力。简介混凝土浇注是一种常见且关键的建筑活动，严重影响了建筑项目的完成时间和成本（Wang等，2022）。起重机在这一活性中起着关键作用，因为“起重机和skip”方法是混凝土浇注最普遍的技术之一（Lu等，2003）。在此过程中，混凝土混合在一起，然后由工人倒入地面上的跳过。然后，起重机将跳跃提升到要求混凝土的一个或多个位置。到位后，在将空跳动放回搅拌机中以重新填充之前，将跳过或操纵倒入倾斜或操纵。传统上，监测混凝土倾泻过程的进度是手动和近似的，在该过程中，传递到该地点的混凝土总量被用作倾盆进度的间接指标（Lu＆Anson，2004）。此方法仅提供了对进度的粗略估计，并且无法捕获与浇注过程有关的细微差别，例如起重机升降机的周期和卡车搅拌机的等待时间。因此，它对关键现场资源的瓶颈（例如起重机的可用性）提供了有限的见解，并对影响现场生产率的关键决策（例如，雇用额外的起重机）（Hu等人，2021年）产生了最小的贡献。为了了解需要大量数据的倾泻过程，计算机视觉（CV）已出现用于自动数据获取和分析。例如，Gong and Caldas（2010）开发了一种基于简历的方法来跟踪起重机钩和混凝土桶（即跳过），从而可以分析混凝土浇注状态
监视混凝土倒入知识图形增强
主要关键词
相关文件推荐
