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

Các công trường xây dựng thường có những hoạt động rủi ro cao như vận hành thiết bị nâng và các công việc phát sinh nhiệt, nơi các đội ngũ cần tuân thủ nghiêm ngặt các quy trình an toàn trước khi bắt đầu công việc. Để xác nhận các bước 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, không đầy đủ hoặc đôi khi gây hiểu lầm, gây khó khăn cho việc xác định 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 của mình, kết hợp sử dụng nhiều công cụ và AI. Cụ thể, các model computer vision như Ultralytics YOLO models được dùng để phân tích các hình ảnh được tải lên, giúp nền tảng hiểu được những gì đang diễn ra tại công trường, gắn cờ các nội dung gửi không hợp lệ và làm nổi bật các vấn đề tiềm ẩn. Điều này giảm thiểu nỗ lực thủ công và giúp 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 một 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 nhiệm 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 rằng các yêu cầu an toàn được áp dụng một cách nhất quán.

Ngày nay, SiteAssist hỗ trợ hàng ngàn công nhân, mang lại cho các đội ngũ cái nhìn rõ ràng hơn về hoạt động hàng ngày. Việc có được khả năng hiển thị được cải thiện này giúp các đội ngũ kiểm soát tốt hơn các quy trình an toàn.

Link to this sectionTại sao các bước 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 ngàn công nhân làm việc tại nhiều địa điểm, mỗi người thực hiện các nhiệm vụ rủi ro cao đòi hỏi phải có các bước kiểm tra an toàn nghiêm ngặt trước khi bắt đầu làm việc.

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

Hình ảnh có thể không rõ ràng, không đầy đủ hoặc đôi khi gây hiểu lầm, khiến việc xác nhận xem các yêu cầu an toàn đã thực sự được đáp ứng hay chưa trở nên khó khăn. Những người phê duyệt phải kiểm tra thủ công từng nội dung gửi, tìm kiếm thiết bị chính xác, thiết lập phù hợp và sự tuân thủ tổng thể.

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

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

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 trì hoãn các bước kiểm tra.

Link to this sectionCho phép thực hiện các bước kiểm tra an toàn mạnh mẽ với các model Ultralytics YOLO#

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

Đằng sau đó, mỗi hình ảnh được tải lên sẽ được phân tích bằng các model Ultralytics YOLO, tận dụng các tác vụ thị giác như object detection và phân loại hình ảnh để hiểu những gì đang hiện diện tại công trường.

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

Hệ thống xác định các đối tượng này và kiểm tra xem các mục cần thiết có hiển thị hay không, gắn cờ bất kỳ thứ gì bị thiếu hoặc không đáp ứng các tiêu chí mong đợi. Hệ thống cũng có thể làm nổi bật các nội dung gửi không hợp lệ, chẳng hạn như hình ảnh không được chụp trong điều kiện công trường thực tế. Trong các nội dung gửi này, trung bình có 1,7 đối tượng trên mỗi hình ảnh được phát hiện, con số này 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 model Ultralytics YOLO được sử dụng trong SiteAssist:

• Xác thực hình ảnh trực tiếp: Hệ thống có thể phát hiện khi nào 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 lại.
• Phát hiện và đếm thiết bị: Hệ thống có thể xác định các vật phẩm cần thiết, chẳng hạn như bình chữa cháy và kiểm tra xem có đủ số lượng hay không. Trong một số trường hợp, công nghệ 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 các model Ultralytics YOLO trên SiteAssist (Nguồn)

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

Các model 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 khi chúng được tải lên, giúp việc thực hiện các bước kiểm tra an toàn dễ dàng hơn 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 và thể hiện hiệu suất đáng tin cậy ở quy mô lớn.

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

Từ góc độ triển khai, các model YOLO rất hiệu quả và linh hoạt. SiteAssist hiện đang xử lý hình ảnh trên đám mây như một phần của backend, xử lý việc tải lên từ thiết bị của công nhân theo thời gian thực. Đồng thời, các model cũng có thể chạy cục bộ trên các thiết bị, giúp 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 model Ultralytics YOLO có thể được tích hợp vào các hệ thống biên khác nhau mà không làm tăng độ phức tạp. Điều này mang lại cho SiteAssist một phương thức thực tế và có khả năng mở rộng để xây dựng và phát triển các quy trình AI thị giác của mình.

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

Hiện tại, SiteAssist hỗ trợ khoảng 12.000 người dùng tích cực trên khoảng 4.000 thiết bị, cho phép các quy trình an toàn mở rộng quy mô một cách hiệu quả cho các dự án lớn và phức tạp.

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

Phân tích hình ảnh được hỗ trợ bởi YOLO cũng đã cải thiện tính nhất quán trong cách thực hiện các bước kiểm tra an toàn. Các nội dung gửi được đánh giá theo cách có cấu trúc hơn, giúp dễ dàng xác định thiết bị bị thiếu, hình ảnh nhân tạo hoặc các bước 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 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. Ví dụ về ảnh nhân tạo được phát hiện bởi SiteAssist sử dụng Ultralytics YOLO.

Ngoài ra, việc giảm bớt thủ tục giấy tờ thủ công đã giúp các đội ngũ dành 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 tại các địa điểm khác nhau.

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

Hướng tới tương lai, SiteAssist đang khám phá AI biên 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 các thiết bị, đội ngũ hướng tới việc giảm chi phí đám mây, cải thiện quyền riêng tư dữ liệu và hỗ trợ ra quyết định theo thời gian thực. Họ có kế hoạch tiếp tục mở rộng các khả năng này để cho phép các quy trình vận hành và an toàn tiên tiến hơn, theo thời gian thực.

Bạn muốn tích hợp vision AI vào các hoạt động của mình? Hãy tham gia cộng đồng của chúng tôi để tìm hiểu về các ứng dụng như AI trong chăm sóc sức khỏe và vision AI trong nông nghiệp. Hãy ghé thăm GitHub repository của chúng tôi và khám phá các tùy chọn cấp phép để bắt đầu ngay hôm nay!