AI为施工撑起“安全伞”

【场景创新面面观】

◎本报记者 吴叶凡

　　随着智能装备、机器人的不断投用，智能安全系统未来将重点聚焦人机协同安全模式。这种模式涵盖智能装备与建筑机器人的作业规划规范性、运行安全性监测与管理等。相信通过这类举措，能够切实保障智能化施工场景的作业安全。

　　违规作业自动识别、火灾风险智能监测、作业风险提前预警……近年来，AI（人工智能）技术在施工工地上大展身手，为工人撑起施工“安全伞”，守护他们的生命健康。

　　在施工安全领域，AI应用带来了怎样的变革？进一步深化AI应用的堵点在哪里？围绕以上问题，科技日报记者采访了多位专家。

　　为工地施工系上“安全带”

　　在青岛市重点超高层地标工程——航运贸易金融总部大厦项目现场的一块大屏幕上，工人出入、特种设备运行、消防安全等数据在屏幕上不断刷新。管理人员坐在屏幕前，就能了解各项施工现场信息，仿佛装上了“千里眼”“顺风耳”。

　　“这块屏幕搭载了我们自主研发的中铁建工智慧工地管理系统，它让工地管理者秒变‘超人’，为工地施工系上了‘安全带’。”中铁建工集团有限公司数字化中心技术主管林剑远介绍。

　　AI技术是中铁建工智慧工地管理系统的“顶梁柱”。通过综合运用多种算法，AI把安全管理全面覆盖施工各个环节，集成十大安全管控模块。其中，安防视频监控系统运用计算机视觉AI算法，可自动识别未佩戴安全帽、危险区域入侵等违规行为，实现秒级报警与闭环处置。“这帮助施工单位减少了人工巡检的疏漏，实现违规行为的快速发现与处置，大幅提升了现场安防管控的及时性。”林剑远说。

　　火灾AI识别系统则依托图像识别技术，对施工现场及相关区域的明火、烟雾进行24小时不间断智能监测，打破传统人工巡检的时间与空间限制，有效提升火灾预警能力，从源头防范火灾事故发生。塔机与升降机监测系统结合AI数据采集与分析技术，实时捕捉设备运行中的幅度、载重、风速等关键数据，通过AI算法进行风险研判，实现防碰撞、超载等危险情况的提前预警，保障特种设备运行安全。

　　“通过各类物联数据的统一接入与AI智能分析，整套系统实现了‘人防+技防’的结合，目前已在多个项目落地应用，显著提升了工地安全管理的智能化水平。”林剑远说。

　　记者了解到，多地都在加快部署施工安全智能监测系统。《湖北省住建领域人工智能应用典型案例（第一批）》，将工地智能监管设为应用场景之一。重庆市住房和城乡建设委员会发布的重庆住建领域首批12个AI应用典型案例中，多项都与施工安全有关。

　　不仅是安全监测，施工装备安全领域的创新场景不断涌现。

　　中铁建工集团有限公司建筑工程研究院技术主管鲍大鑫介绍，在高大空间站房等高危施工场景，智能激光整平机、收面机器人通过AI预设程序与智能运动算法，实现混凝土浇筑的高精度自动化施工，既提升施工效率，更减少高危环境人工投入。在建筑装修阶段，室内打磨、打孔机器人与智能抹灰、喷涂机器人，通过AI精准控制技术，将工人从高空、粉尘、化学喷雾等危险作业环境中解放出来，从根本上杜绝高处坠落、职业病等安全风险。

　　“应用数据显示，此类大型智能装备可节约人工60%以上，系统性降低了坍塌、高处坠落等群死群伤事故风险，实现了安全效益与经济效益的双重提升。”鲍大鑫说。

　　深化应用面临四大难题

　　AI在施工安全领域取得了显著成效，但也要看到，还有大量施工工地，尤其是中小规模的施工现场，仍依赖于“人防”，AI真正实现大规模应用还任重道远。

　　在业内专家看来，四大难题阻碍了AI进一步落地。

　　首先是成本问题。相比于传统的信息化建设投入，AI系统在硬件和软件上的建设门槛都大大提高。鲍大鑫说，在系统建设前期，数十万至百万元级的投入是第一个门槛，这对于利润空间相对有限的中小型建筑企业来说是不少支出。智能系统建设后，硬件、软件也需要持续运维。林剑远坦言，目前很多企业会低估长期运维成本，到了后期就会存在系统效能衰减、建而无用等问题。

　　“安全投入的效果属于‘隐性收益’，事故减少的效益难以在短期财报中体现，这也非常考验决策层的战略定力。”鲍大鑫说。

　　其次是数据难题。量大质优的数据，是智能算法训练的基础，与AI系统性能直接相关。如果没有充足、优质、多样的数据，AI在进行施工现场图像识别、特种设备风险监测时，准确性会大大下降。但目前建筑施工行业信息化程度普遍不高，行业内缺乏高质量、标准化的训练数据。

　　“现有的数据往往比较分散，不容易访问，而且标准不统一。”林剑远说，数据孤岛的存在对AI模型的训练和应用效果造成了负面影响。同时，建筑行业也需要考虑数据安全问题，尤其对一些重大关键项目，必须确保数据应用合规、无泄漏风险。

　　此外，行业内还存在核心算法的场景适应性难题。比如，在复杂多变的工地，传统烟火识别算法易受干扰，误报率高，可能引发“警报疲劳”，制约了其在关键场景的深度应用。

　　最后，复合型人才的严重短缺也制约了AI全面落地。鲍大鑫告诉记者，目前建筑施工行业内既精通AI算法又深谙建筑安全业务的人才稀少，一线人员的数字技能不足也制约着系统的有效使用。

　　打造人机协同安全模式

　　如何进一步推动AI与施工安全深度融合？

　　林剑远认为，从企业战略与顶层设计方面，要明确AI融合是必要的战略转型，而非“锦上添花”的技术点缀。具体到执行上，应设立具体、可执行的量化目标，并组建跨部门团队提供资源保障。为打破数据孤岛，要推动建立统一数据标准与安全数据中台，通过应用程序编程接口将AI安全系统与现有项目管理、建筑信息管理等平台无缝集成，确保预警信息能自动触发业务流程。

　　林剑远建议，从施工组织流程上，要构建以AI为核心的新流程，形成“AI感知—自动预警—智能派单—整改复核—数据优化”的智能闭环，并将AI检查设置为高危作业审批、安全交底等关键节点的必要环节。此外，还要建立跟踪评估机制，根据一线使用者的反馈，持续迭代算法与流程；加强全员培训，提高一线员工对AI系统的接受度和使用熟练度，推动形成人机协同的安全管理文化。

　　鲍大鑫认为，企业应注重AI人才的培养工作。“系统的核心数据大多来源于施工一线。企业可适当组织一线工程师开展专项技术培训，帮助其掌握AI工具的基础应用方法与简易构建能力，进而助力其研发以项目创效为核心导向的实用型AI工具。”他说。

　　随着AI应用程度不断深化，林剑远认为，未来智能安全系统将向更主动、更集成方向演进，逐步从被动响应转向基于大数据分析的主动风险预测，从单点识别转向融合视频、物联传感器、穿戴设备的多源数据全局协同评估，从孤立工具转向深度嵌入施工作业、培训交底等核心流程的智能管理中枢。

　　鲍大鑫说，随着智能装备、机器人的不断投用，智能安全系统未来将重点聚焦人机协同安全模式。这种模式涵盖智能装备与建筑机器人的作业规划规范性、运行安全性监测与管理等。例如，在预设的机器人施工区域，要对误入的作业人员进行智能拦截；在人员误入后，让机器人及时执行人员保护与安全引导操作。“相信通过这类举措，能够切实保障智能化施工场景的作业安全。”鲍大鑫说。