(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211063937.4 (22)申请日 2022.08.31 (71)申请人 同炎数智科技 （重庆） 有限公司 地址 401329 重庆市九龙坡区金凤镇凤笙 路21号1幢 (72)发明人 郭向伟　李山　尹航　彭玲　范帅　 杨刚　石昌政　郑敏　 (74)专利代理 机构 成都三诚知识产权代理事务 所(普通合伙) 51251 专利代理师 詹丽红 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06Q 50/08(2012.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于云平台的在建工程项目质量安全 实时监测方法 (57)摘要 本发明公开了一种基于云平台的在建工程 项目质量安全实时监测方法， 主要包括S100、 系 统获取并存储有质量安全问题的图像数据； S200、 当系统累计的图像数据达到预置的阈值 时， 开始搭建YOL O模型并生成损失函数； S300、 采 用批量梯度下降法训练yolo模型参数， 对生成的 损失函数求偏导、 误差反向传播、 不断迭代， 直到 达到设定的预期识别精度， 形成训练好的yolo模 型等步骤。 本发 明充分的将云平台的沉淀的海量 图像数据与YOL O算法相结合， 再结合现场的摄像 头实时传输的数据， 能动态、 直观的得出验证程 度值， 能有效避免监理工程师漏检和未及时发现 重大质量 安全问题带来的不必要损失。 权利要求书2页 说明书4页 附图1页 CN 115456382 A 2022.12.09 CN 115456382 A 1.一种基于云平台的在建工程项目质量安全实时监测方法， 其特征在于， 主要包括以 下步骤： S100、 系统获取并存 储有质量 安全问题的图像数据； S200、 当系统累计的图像数据达 到预置的阈值时， 开始搭建YOLO模型并生成损失函数； S300、 采用批量梯度下降法训练yolo模型参数， 对生成的损失函数求偏导、 误差反向传 播、 不断迭代， 直到 达到设定的预期识别精度， 形成训练好的yo lo模型； S400、 系统实时获取施工现场摄 像头返回的实时视频流数据； S500、 系统对获取的实时视频流数据进行捕捉成图像， 并将该图像输入到已经训练好 的YOLO模型中进行识别， 输出质量问题或者 安全问题的验证程度； S600、 当验证程度为严重或者特别严重时， 系统立即将该数据推送给现场的质量安全 相关人员进行处 理。 2.根据权利要求1所述的一种基于云平台的在建工程项目质量安全实时监测方法， 其 特征在于， 步骤S200中所述的 “YOLO模型 ”， 其包含2 4个用于提取图像特征的卷积层以及2个 用于预测图像位置和类别概 率值的全连接层。 3.根据权利要求1或2所述的一种基于云平台的在建工程项目质量安全实时监测方法， 其特征在于， 步骤S200中所述的 “损失函数 ”为图像预测数据与标定数据之间的误差， 其包 括坐标位置误差、 包含是否有对象置信度误差、 对象分类误差， 其计算公式为： Loss＝ Losscoord+Lossobj+Lossclasses， 其中， Losscoord表示坐标预测误差， 衡量预测框和真实框的差异， 其计算公式为： λcoord——坐标误差的权 重； ——判断第i个网格中的第j个 检测框是否有对象误差， 其计算公式为 其中， Pr(obj)— —表示有无对象， 无 取0， 有取1； ——预测框与真实框之间的交集/并集的比值； xi——对象的真实x坐标； yi——对象的真实y坐标； ——对象的预测x坐标； ——对象的预测y坐标； Lossobj表示包含对象的检测框的置信度误差+不包含对象的检测框的置信度误差， 衡 量是否有目标， 其计算公式为： ——对象的预测类别； Ci——对象的真实类别；权　利　要　求　书 1/2 页 2 CN 115456382 A 2λnoobj——不包含对象置信度的误差 权重； Lossclasses表示类别预测误差， 衡量目标的类别， 其计算公式为： ——判断是否有对象中心落在网格i中。 4.根据权利要求3所述的一种基于云平台的在建工程项目质量安全实时监测方法， 其 特征在于， 步骤S300中所述的 “设定的预期识别精度 ”， 该预期识别精度的正确率要达到 80％以上。 5.根据权利要求4所述的一种基于云平台的在建工程项目质量安全实时监测方法， 其 特征在于， 步骤S500中所述的 “验证程度 ”分为四个等级， 分别是一般、 较严重、 严重及特别 严重。 6.根据权利要求1所述的一种基于云平台的在建工程项目质量安全实时监测方法， 其 特征在于， 步骤S20 0中所述的 “预置的阈值 ”的取值为10000。权　利　要　求　书 2/2 页 3 CN 115456382 A 3