Bằng cách sử dụng các model Ultralytics YOLO, SiteAssist đã tự động hóa việc xác minh hình ảnh, cho phép phát hiện vấn đề tuân thủ theo thời gian thực và tinh giản quy trình an toàn cho hàng nghìn người dùng tại nhiều công trường.
Các công trường xây dựng có những hoạt động rủi ro cao như nâng hạ và làm việc nóng, trong đó các nhóm cần tuân thủ quy trình an toàn nghiêm ngặt trước khi bắt đầu công việc. Để xác nhận đã hoàn tất các bước kiểm tra này, người lao động thường tải ảnh làm bằng chứng lên thông qua quy trình số.
Tuy nhiên, việc xem xét những hình ảnh này không phải lúc nào cũng đơn giản. Hình ảnh có thể không rõ, không đầy đủ hoặc đôi khi gây hiểu lầm, khiến việc xác định các yêu cầu an toàn đã thực sự được đáp ứng hay chưa trở nên khó khăn, nhất là trong các dự án lớn.
SiteAssist hỗ trợ các quy trình này thông qua nền tảng số kết hợp nhiều công cụ và AI. Cụ thể, các model thị giác máy tính như các model Ultralytics YOLO được dùng để phân tích hình ảnh tải lên, giúp nền tảng hiểu tình hình tại công trường, đánh dấu nội dung gửi lên không hợp lệ và làm nổi bật các vấn đề tiềm ẩn. Điều này giảm khối lượng công việc thủ công và giúp các nhóm duy trì tiêu chuẩn an toàn nhất quán.
Cải thiện an toàn và tuân thủ tại công trường xây dựng bằng AI#
SiteAssist là nền tảng kiểm soát công việc dành cho các nhóm quản lý hoạt động rủi ro cao trong lĩnh vực xây dựng, hạ tầng và các ngành trọng yếu khác. Nền tảng thay thế quy trình giấy tờ phức tạp bằng quy trình số có cấu trúc, hỗ trợ các công việc như đào đất, làm việc nóng, nâng hạ và làm việc 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 tuân thủ và đảm bảo dự án vận hành suôn sẻ. Bằng cách số hóa giấy phép và quy trình làm việc, nền tảng giúp các nhóm xác định rủi ro tiềm ẩn và đảm bảo các yêu cầu an toàn được áp dụng nhất quán.
Hiện nay, SiteAssist hỗ trợ hàng nghìn người lao động, giúp các nhóm nắm rõ hơn hoạt động hằng ngày. Tầm nhìn được cải thiện này giúp các nhóm kiểm soát quy trình an toàn tốt hơn.
Vì sao việc kiểm tra an toàn xây dựng không còn hiệu quả khi mở rộng quy mô#
Giữ cho công trường xây dựng an toàn và hoạt động suôn sẻ không phải việc đơn giản. Các dự án lớn thường có hàng nghìn người lao động làm việc tại nhiều địa điểm, mỗi người thực hiện các nhiệm vụ rủi ro cao cần được kiểm tra an toàn nghiêm ngặt trước khi bắt đầu.
Để xác minh các bước kiểm tra này đã hoàn tất, người lao động thường phải tải ảnh làm bằng chứng lên quy trình số hoặc hệ thống cấp phép. Tuy nhiên, việc xem xét các nội dung gửi lên này không phải lúc nào cũng đơn giản.
Hình ảnh có thể không rõ, không đầy đủ hoặc đôi khi gây hiểu lầm, khiến việc xác nhận các yêu cầu an toàn đã thực sự được đáp ứng hay chưa trở nên khó khăn. Người phê duyệt phải kiểm tra thủ công từng nội dung gửi lên, tìm thiết bị phù hợp, cách bố trí đúng và mức độ tuân thủ tổng thể.
Khi số lượng nội dung gửi lên tăng, quy trình này trở nên tốn thời gian hơn và khó quản lý nhất quán hơn. Đồng thời, nhiều dự án vẫn phụ thuộc vào giấy phép dạng giấy hoặc quy trình chỉ được số hóa một phần.
Điều này làm chậm quá trình phê duyệt, tạo nút thắt và hạn chế khả năng theo dõi hoạt động tại công trường theo thời gian thực. Các nhóm có thể phải trực tiếp theo dõi hoặc kiểm tra lại, gây thêm trì hoãn.
Khi hoạt động mở rộng, những thách thức này khiến việc duy trì tiêu chuẩn an toàn nhất quán trở nên khó khăn hơn và làm tăng nguy cơ bỏ sót hoặc trì hoãn kiểm tra.
Thực hiện kiểm tra an toàn vững chắc bằng các model Ultralytics YOLO#
SiteAssist đơn giản hóa việc kiểm tra an toàn bằng cách kết hợp quy trình cấp phép với xác minh hình ảnh theo thời gian thực. Thay vì dựa vào kiểm tra thủ công, các nhóm có thể chụp và tải hình ảnh trực tiếp từ hiện trường lên, mỗi nội dung gửi lên đều được xác thực trước khi tiếp tục phê duyệt. Điều này giúp đảm bảo việc kiểm tra an toàn diễn ra nhất quán, ngay cả khi điều kiện thay đổi.
Ở hậu trường, mỗi hình ảnh tải lên được phân tích bằng các model Ultralytics YOLO, tận dụng các tác vụ thị giác như phát hiện đối tượng và phân loại hình ảnh để xác định những gì hiện diện tại công trường.
Các model như Ultralytics YOLO26 đã được fine-tune trên các tập dữ liệu riêng của SiteAssist, được xây dựng từ hình ảnh thu thập tại các công trường thực tế thông qua nền tảng. Tập dữ liệu này bao gồm khoảng 45 đối tượng liên quan đến xây dựng, chẳng hạn như bình chữa cháy, trang bị an toàn, bình gas và các dụng cụ điện, máy móc phổ biến.
Hệ thống xác định các đối tượng này và kiểm tra xem các vật dụng bắt buộc có hiển thị hay không, đồng thời đánh dấu những vật dụng bị thiếu hoặc không đáp ứng tiêu chí dự kiến. Hệ thống cũng có thể đánh dấu nội dung gửi lên không hợp lệ, chẳng hạn như hình ảnh không được chụp trong điều kiện thực tế tại công trường. Trung bình, hệ thống phát hiện 1,7 đối tượng trong mỗi hình ảnh; con số này tăng lên 2,7 khi loại trừ ảnh nền, cho thấy mật độ hoạt động thực sự tại công trường.
Dưới đây là một vài ví dụ về cách các model Ultralytics YOLO được sử dụng trong SiteAssist:
- Xác thực hình ảnh thực tế: Hệ thống có thể phát hiện khi hình ảnh tải lên không được chụp trong điều kiện thực tế, chẳng hạn như ảnh chụp màn hình, và đánh dấu để xem xét.
- Phát hiện và đếm thiết bị: Hệ thống có thể xác định các vật dụng bắt buộc, chẳng hạn như bình chữa cháy, và kiểm tra xem số lượng có đúng hay không. Trong một số trường hợp, nhận dạng ký tự quang học (OCR) được sử dụng kết hợp 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 các model Ultralytics YOLO trên SiteAssist (Nguồn)
Vì sao chọn các model Ultralytics YOLO?#
Các model Ultralytics YOLO cung cấp tốc độ và độ chính xác mà SiteAssist cần để xác thực hình ảnh trong thực tế. Hình ảnh có thể được xử lý nhanh chóng ngay khi tải lên, giúp thực hiện kiểm tra an toàn mà không bị trì hoãn.
Trên thực tế, kể từ tháng 1 năm 2025, SiteAssist đã xử lý hơn 770.918 hình ảnh bằng các model Ultralytics YOLO, phát hiện hơn 1.302.315 đối tượng, qua đó chứng minh hiệu năng đáng tin cậy ở quy mô lớn.
Gói Python Ultralytics cũng giúp việc huấn luyện và fine-tune model bằng dữ liệu thu thập từ quy trình thực tế tại công trường trở nên đơn giản. Nhờ đó, hiệu năng model có thể tiếp tục được cải thiện khi dữ liệu ngày càng được thu thập nhiều hơn.
Xét về triển khai, các model YOLO hiệu quả và linh hoạt. Hiện SiteAssist xử lý hình ảnh trên cloud trong backend, tiếp nhận nội dung tải lên từ thiết bị của người lao động theo thời gian thực. Đồng thời, các model cũng có thể chạy cục bộ trên thiết bị, mở ra khả năng hỗ trợ những trường hợp sử dụng trong tương lai mà việc xử lý diễn ra trực tiếp tại công trường.
Ngoài ra, với khả năng hỗ trợ các định dạng xuất như ONNX và ExecuTorch, các model Ultralytics YOLO có thể được tích hợp vào nhiều hệ thống edge mà không làm tăng độ phức tạp. Điều này mang lại cho SiteAssist một phương thức thiết thực và có thể mở rộng để xây dựng và phát triển quy trình AI thị giác.
SiteAssist và Ultralytics YOLO tăng cường kiểm tra an toàn theo thời gian thực#
Hiện tại, SiteAssist hỗ trợ khoảng 12.000 người dùng hoạt động trên khoảng 4.000 thiết bị, giúp mở rộng quy trình an toàn hiệu quả cho các dự án lớn và phức tạp.
Việc triển khai xác minh hình ảnh tự động đã giúp các nhóm giảm phụ thuộc vào kiểm tra thủ công và đẩy nhanh quy trình phê duyệt. Những tác vụ trước đây cần kiểm tra lặp lại giờ đây có thể được xác thực nhanh hơn, giúp công việc bắt đầu đúng hạn và giảm trì hoãn.
Phân tích hình ảnh bằng YOLO cũng cải thiện tính nhất quán trong cách thực hiện kiểm tra an toàn. Nội dung gửi lên được đánh giá theo cấu trúc rõ ràng hơn, giúp dễ xác định thiết bị bị thiếu, hình ảnh giả tạo hoặc bước kiểm tra chưa hoàn tất. Kể từ tháng 1 năm 2025, các đối tượng được phát hiện phổ biến nhất bao gồm hơn 283.000 phương tiện và hơn 201.000 người, cùng gần 68.500 hình ảnh giả tạo và hơn 55.000 bình chữa cháy.
Điều này giúp quản lý công trường nắm rõ hơn công việc đang diễn ra và tin tưởng hơn rằng các yêu cầu an toàn đã được đáp ứng.
Hình 2. Ví dụ về ảnh giả tạo được SiteAssist phát hiện bằng Ultralytics YOLO.
Bên cạnh đó, giảm giấy tờ thủ công giúp các nhóm dành ít thời gian hơn cho công việc hành chính và nhiều thời gian hơn tại công trường. Nhờ vậy, hoạt động diễn ra suôn sẻ hơn và quy trình an toàn trở nên đáng tin cậy hơn tại nhiều địa điểm.
Đưa quy trình an toàn xây dựng dựa trên thị giác xuống edge#
Trong thời gian tới, SiteAssist đang nghiên cứu edge AI để chạy các model Ultralytics YOLO gần hơn với nơi dữ liệu được thu thập tại công trường. Bằng cách xử lý hình ảnh trực tiếp trên thiết bị, nhóm hướng tới giảm chi phí cloud, cải thiện quyền riêng tư dữ liệu và hỗ trợ ra quyết định theo thời gian thực. Họ dự định tiếp tục mở rộng các khả năng này để triển khai quy trình an toàn và vận hành theo thời gian thực tiên tiến hơn.
Bạn muốn đưa AI thị giác vào hoạt động của mình? Tham gia cộng đồng của chúng tôi và tìm hiểu các ứng dụng như AI trong y tế và AI thị giác trong nông nghiệp. Truy cập kho GitHub của chúng tôi và khám phá các tùy chọn cấp phép để bắt đầu ngay hôm nay!
