SiteAssist cải thiện an toàn công trường bằng cách xử lý hơn 770 nghìn hình ảnh với Ultralytics YOLO

Các công trường xây dựng bao gồm những hoạt động rủi ro cao như vận hành nâng hạ và các công việc phát sinh nhiệt, nơi các đội ngũ cần tuân thủ quy trình an toàn nghiêm ngặt trước khi bắt đầu công việc. Để xác nhận các kiểm tra này, công nhân thường tải ảnh lên làm bằng chứng thông qua các quy trình kỹ thuật số.

Tuy nhiên, việc xem xét các hình ảnh này không phải lúc nào cũng đơn giản. Chúng có thể không rõ ràng, thiếu sót hoặc đôi khi gây hiểu lầm, gây khó khăn cho việc biết liệu các yêu cầu an toàn đã thực sự được đáp ứng hay chưa, đặc biệt là trong các dự án lớn.

SiteAssist hỗ trợ các quy trình này thông qua nền tảng kỹ thuật số, sử dụng sự kết hợp giữa các công cụ và AI. Cụ thể, các mô hình computer vision như Ultralytics YOLO models được sử dụng để phân tích các hình ảnh được tải lên, giúp nền tảng hiểu những gì đang xảy ra tại công trường, đánh dấu các dữ liệu gửi lên không hợp lệ và làm nổi bật các vấn đề tiềm ẩn. Điều này làm giảm bớt nỗ lực thủ công và cho phép các đội ngũ duy trì các tiêu chuẩn an toàn nhất quán.

Link to this sectionCải thiện an toàn và tuân thủ tại các công trường xây dựng bằng AI#

SiteAssist là nền tảng kiểm soát công việc được thiết kế cho các đội ngũ quản lý những hoạt động rủi ro cao trong ngành xây dựng, cơ sở hạ tầng và các ngành công nghiệp quan trọng khác. Nền tảng này thay thế các quy trình phức tạp, dựa trên giấy tờ bằng các quy trình kỹ thuật số có cấu trúc, hỗ trợ các tác vụ như đào bới, công việc phát sinh nhiệt, nâng hạ và các hoạt động trong không gian hạn chế.

Các công ty như Balfour Beatty, Taylor Woodrow (VINCI), Skanska và HG Construction sử dụng SiteAssist để cải thiện tính nhất quán, duy trì sự tuân thủ và giữ cho các dự án vận hành trôi chảy. Bằng cách số hóa giấy phép và quy trình làm việc, nền tảng giúp các đội ngũ xác định các rủi ro tiềm ẩn và đảm bảo các yêu cầu an toàn được áp dụng một cách nhất quán.

Hiện nay, SiteAssist hỗ trợ hàng nghìn công nhân, cung cấp cho các đội ngũ cái nhìn rõ ràng hơn về hoạt động hàng ngày. Việc cải thiện khả năng quan sát này giúp các đội ngũ kiểm soát tốt hơn các quy trình an toàn.

Link to this sectionTại sao các kiểm tra an toàn xây dựng bị phá vỡ ở quy mô lớn#

Việc giữ cho các công trường xây dựng an toàn và vận hành trôi chảy không hề đơn giản. Các dự án lớn thường liên quan đến hàng nghìn công nhân hoạt động trên nhiều địa điểm, mỗi người thực hiện các tác vụ rủi ro cao đòi hỏi các kiểm tra an toàn nghiêm ngặt trước khi công việc bắt đầu.

Để xác minh rằng các kiểm tra này đã được hoàn thành, công nhân thường được yêu cầu tải ảnh lên làm bằng chứng vào các quy trình kỹ thuật số hoặc hệ thống giấy phép. Nhưng việc xem xét các nội dung gửi lên này không phải lúc nào cũng đơn giản.

Hình ảnh có thể không rõ ràng, thiếu sót hoặc đôi khi gây hiểu lầm, khiến khó xác nhận liệu các yêu cầu an toàn đã thực sự được đáp ứng hay chưa. Người phê duyệt phải kiểm tra thủ công từng nội dung gửi lên, tìm kiếm thiết bị chính xác, thiết lập phù hợp và sự tuân thủ tổng thể.

Khi số lượng gửi lên tăng lên, quy trình này trở nên tốn thời gian hơn và khó quản lý một cách nhất quán. Đồng thời, nhiều dự án vẫn dựa vào giấy phép dựa trên giấy hoặc quy trình được số hóa một phần.

Điều này làm chậm quá trình phê duyệt, tạo ra các nút thắt cổ chai và hạn chế khả năng quan sát thời gian thực đối với các hoạt động tại công trường. Các đội ngũ có thể cần phải theo dõi trực tiếp hoặc lặp lại các kiểm tra, điều này gây ra sự chậm trễ thêm.

Khi các hoạt động mở rộng quy mô, những thách thức này làm cho việc duy trì các tiêu chuẩn an toàn nhất quán trở nên khó khăn hơn và làm tăng nguy cơ bỏ sót hoặc chậm trễ các kiểm tra.

Link to this sectionKích hoạt các kiểm tra an toàn mạnh mẽ với các mô hình Ultralytics YOLO#

SiteAssist đơn giản hóa các kiểm tra an toàn bằng cách kết hợp các quy trình cấp phép với xác minh hình ảnh thời gian thực. Thay vì dựa vào các đánh giá thủ công, các đội ngũ có thể chụp và tải ảnh lên trực tiếp từ hiện trường, với mỗi nội dung gửi lên đều được xác thực trước khi quá trình phê duyệt diễn ra. Điều này giúp đảm bảo các kiểm tra an toàn diễn ra nhất quán, ngay cả trong điều kiện thay đổi.

Đằng sau hậu trường, mỗi hình ảnh được tải lên đều được phân tích bằng cách sử dụng các mô hình Ultralytics YOLO, tận dụng các tác vụ thị giác như object detection và phân loại hình ảnh để hiểu những gì có mặt tại công trường.

Các mô hình như Ultralytics YOLO26 đã được tinh chỉnh trên các tập dữ liệu riêng của SiteAssist, được xây dựng từ những hình ảnh thu thập qua các công trường xây dựng thực tế thông qua nền tảng của nó. Điều này bao gồm khoảng 45 đối tượng liên quan đến xây dựng, chẳng hạn như bình chữa cháy, thiết bị an toàn, bình khí và các công cụ điện và máy móc thông thường.

Hệ thống xác định các đối tượng này và kiểm tra xem các mục yêu cầu có hiển thị hay không, gắn cờ bất kỳ mục nào bị thiếu hoặc không đáp ứng các tiêu chí dự kiến. Nó cũng có thể làm nổi bật các nội dung gửi lên không hợp lệ, chẳng hạn như các hình ảnh không được chụp trong điều kiện công trường thực tế. Trên các nội dung gửi lên này, trung bình 1,7 đối tượng trên mỗi hình ảnh được phát hiện, tăng lên 2,7 khi loại trừ các hình ảnh nền, làm nổi bật mật độ hoạt động có ý nghĩa tại công trường.

Dưới đây là một vài ví dụ về cách các mô hình Ultralytics YOLO được sử dụng trong SiteAssist:

• Xác thực hình ảnh trực tiếp: Hệ thống có thể phát hiện khi một hình ảnh được tải lên không được chụp trong điều kiện thực tế, chẳng hạn như ảnh chụp màn hình và gắn cờ để xem xét.
• Phát hiện và đếm thiết bị: Hệ thống có thể xác định các mục yêu cầu, chẳng hạn như bình chữa cháy, và kiểm tra xem số lượng chính xác có mặt hay không. Trong một số trường hợp, nhận dạng ký tự quang học (OCR) được sử dụng cùng với YOLO để trích xuất văn bản từ hình ảnh, chẳng hạn như đọc nhãn để xác định loại thiết bị.

Hình 1. Phát hiện bình chữa cháy bằng cách sử dụng các mô hình Ultralytics YOLO trên SiteAssist (Nguồn)

Link to this sectionTại sao chọn các mô hình Ultralytics YOLO?#

Các mô hình Ultralytics YOLO cung cấp tốc độ và độ chính xác mà SiteAssist cần để xác thực hình ảnh trong thế giới thực. Hình ảnh có thể được xử lý nhanh chóng ngay khi chúng được tải lên, giúp dễ dàng thực hiện các kiểm tra an toàn mà không bị chậm trễ.

Trên thực tế, kể từ tháng 1 năm 2025, SiteAssist đã xử lý hơn 770.918 hình ảnh bằng cách sử dụng các mô hình Ultralytics YOLO, phát hiện hơn 1.302.315 đối tượng và chứng minh hiệu suất đáng tin cậy ở quy mô lớn.

Gói Ultralytics Python package cũng giúp việc huấn luyện và tinh chỉnh các mô hình bằng cách sử dụng dữ liệu thu thập từ các quy trình làm việc tại công trường thực tế trở nên đơn giản. Điều này có nghĩa là hiệu suất của mô hình có thể tiếp tục cải thiện khi có nhiều dữ liệu hơn được thu thập theo thời gian.

Từ góc độ triển khai, các mô hình YOLO rất hiệu quả và linh hoạt. SiteAssist hiện xử lý hình ảnh trên đám mây như một phần của backend, xử lý việc tải lên từ thiết bị của công nhân trong thời gian thực. Đồng thời, các mô hình cũng có thể chạy cục bộ trên các thiết bị, giúp có thể hỗ trợ các trường hợp sử dụng trong tương lai nơi quá trình xử lý diễn ra trực tiếp tại công trường.

Ngoài ra, với sự hỗ trợ cho các export formats như ONNX và ExecuTorch, các mô hình Ultralytics YOLO có thể được tích hợp vào các hệ thống biên khác nhau mà không làm tăng độ phức tạp. Điều này cung cấp cho SiteAssist một cách thiết thực và có thể mở rộng để xây dựng và mở rộng các quy trình AI thị giác của mình.

Link to this sectionSiteAssist và Ultralytics YOLO thúc đẩy các kiểm tra an toàn thời gian thực#

Hiện tại, SiteAssist hỗ trợ khoảng 12.000 người dùng hoạt động trên khoảng 4.000 thiết bị, cho phép các quy trình an toàn mở rộng hiệu quả cho các dự án lớn, phức tạp.

Bằng cách giới thiệu xác minh hình ảnh tự động, các đội ngũ đã giảm sự phụ thuộc vào đánh giá thủ công và tăng tốc quy trình phê duyệt. Các tác vụ trước đây đòi hỏi phải kiểm tra lặp lại giờ đây có thể được xác thực nhanh chóng hơn, giúp công việc bắt đầu đúng thời hạn và giảm sự chậm trễ.

Phân tích hình ảnh được hỗ trợ bởi YOLO cũng đã cải thiện tính nhất quán trong cách thực hiện các kiểm tra an toàn. Các nội dung gửi lên được đánh giá theo cách có cấu trúc hơn, giúp dễ dàng xác định thiết bị bị thiếu, hình ảnh nhân tạo hoặc các kiểm tra không đầy đủ. Các đối tượng được phát hiện phổ biến nhất, kể từ tháng 1 năm 2025, bao gồm hơn 283.000 phương tiện và hơn 201.000 người, cũng như gần 68.500 hình ảnh nhân tạo và hơn 55.000 bình chữa cháy.

Điều này mang lại cho các nhà quản lý công trường cái nhìn rõ ràng hơn về công việc đang diễn ra và sự tự tin cao hơn rằng các yêu cầu an toàn đang được đáp ứng.

Hình 2. Một ví dụ về ảnh nhân tạo được phát hiện bởi SiteAssist sử dụng Ultralytics YOLO.

Ngoài ra, việc giảm thủ tục giấy tờ thủ công đã giúp các đội ngũ tốn ít thời gian hơn cho các công việc hành chính và có nhiều thời gian hơn tại công trường. Kết quả là, các hoạt động vận hành trôi chảy hơn và các quy trình an toàn trở nên đáng tin cậy hơn trên các địa điểm khác nhau.

Link to this sectionĐưa các quy trình an toàn xây dựng dựa trên thị giác đến biên#

Hướng tới tương lai, SiteAssist đang khám phá AI biên để chạy các mô hình Ultralytics YOLO gần hơn với nơi dữ liệu được thu thập tại công trường. Bằng cách xử lý hình ảnh trực tiếp trên các thiết bị, đội ngũ hướng tới việc giảm chi phí đám mây, cải thiện quyền riêng tư dữ liệu và hỗ trợ đưa ra quyết định thời gian thực. Họ có kế hoạch tiếp tục mở rộng các khả năng này để cho phép các quy trình an toàn và vận hành thời gian thực nâng cao hơn.

Bạn muốn đưa AI thị giác vào hoạt động của mình? Hãy tham gia cộng đồng của chúng tôi và tìm hiểu về các ứng dụng như AI trong chăm sóc sức khỏe và AI thị giác trong nông nghiệp. Truy cập kho lưu trữ GitHub của chúng tôi và khám phá các tùy chọn cấp phép để bắt đầu ngay hôm nay!