OnsiteIQ 构建了一个由 Ultralytics YOLO11 驱动的施工智能平台，在 360 度工地影像上运行分割模型，实时检测施工进度、安全风险和运营问题，将项目延误减少了 20%。
在建筑行业，信息缺口代价高昂。项目进度落后时，确定原因、明确责任，并由业主、开发商和分包商协商解决方案，可能需要数周时间。在此期间，延误不断累积，预算逐渐缩水，收入也随之损失。对于延期两个月交付的酒店，这段时间的损失可能占原定投资回报的很大一部分。
核心问题在于缺乏可见性。建筑项目涉及数十个工种在大型、复杂的工地上同时作业。如果没有可靠、连续的记录，无法确认哪些工作由谁在何时完成，纠纷就难以快速解决，进度也难以准确预测。
OnsiteIQ 旨在弥合这一信息缺口。公司会派遣影像采集专家前往施工中的工地，根据项目情况，按周、双周或每日的频率使用 360 度摄像头采集整个工地的影像，覆盖率达 100%。
随后，这些影像会转化为带地理位置信息的图像，并通过专有 AI 流程进行处理，以检测施工进度、标记安全风险并提供运营洞见，整个流程由 Ultralytics YOLO11 驱动。
将施工智能带到每个工地#
OnsiteIQ 为房地产行业的业主和开发商提供施工智能服务。截至目前，OnsiteIQ 已在美国和加拿大 200 多个城市监控了 3,000 多个项目，涉及超过 340 亿美元的新建项目。其平台让项目团队能够近乎实时地了解工地情况，而无需亲自到场。管理一百万平方英尺开发项目的团队可以在一个工作日内查看整个工地，并获取按楼层、工种和区域划分的 AI 生成进度洞见。
该平台围绕一个简单明确的价值主张打造：确保投入的资金按时、按预算实现预期成果。施工延误会直接造成经济影响。如果酒店晚两个月交付，这段时间损失的客房收入会直接侵蚀项目的投资回报。OnsiteIQ 为项目团队提供可见性，让他们及早发现工序安排问题，例如发现石膏板饰面施工进度超前，并提醒电气和管道工种跟上进度，以免问题引发更大范围的延误。
除了跟踪进度，该平台还支持安全与风险监控。检测灭火器、火警报警器、渗水情况及其他工地状况，可为项目团队增加一层监管，否则就需要专人到现场巡检。
跟踪不断变化的工地进度所面临的挑战#
施工现场是动态环境。在项目的每个阶段，同一空间的样貌都截然不同，从开挖、主体结构施工，到机电管线粗装、石膏板施工和室内装修皆是如此。要跟踪已完成和未完成的工作，需要一个能够同时理解工地在所有这些阶段视觉状态的系统。
现场巡视、进度报告和提交照片等传统人工方式往往耗费大量人力、结果不一致，而且难以扩展到大型或复杂项目。
对 OnsiteIQ 来说，挑战在于构建一个检测系统，能够在每个项目数十万张图像中准确识别施工专属类别，同时应对不同工地、光照和施工阶段带来的显著差异。该系统必须足够快速，能在后台处理大量图像；足够准确，能支持财务和运营决策；也必须足够灵活，能够随着公司可检测类别体系的不断扩展而拓展。
OnsiteIQ 如何使用 Ultralytics YOLO11#
OnsiteIQ 的 AI 流水线以 Ultralytics YOLO11 分割为核心，处理施工现场采集的每一张图像。系统使用 OnsiteIQ 构建并维护的专有本体——一个结构化的建筑类别知识系统——作为模型训练和检测的基础。正如产品管理首席经理Rammohan Adabala所说，本体让检测结果能够支持决策：类别不仅依据对象定义，也依据状态定义，因此系统可以区分已经安装的石膏板与已经贴胶带或涂漆的石膏板。正是这种区分，让图像级检测结果能够汇总为业主可以据此采取行动的进度信息。
该流程分两个阶段：
- 图像级检测。每张在施工现场拍摄的 360 度图像都会输入 YOLO11 分割模型，由模型检测并分类图像中的施工元素。该本体涵盖施工各阶段的多种类别，从裸露的混凝土主体结构和机电管线粗装，到未粉刷的石膏板、已完成的表面和已安装的家电。例如，检测到冰箱或烤箱，就能让系统判断住宅或酒店单元已进入装修阶段。
- 汇总并提取洞察。系统会汇总项目完整数据集中的单张图像检测结果，生成楼层级和工种级进度指标。这些指标将用于平台的进度跟踪、进度计划分析、风险分析和安全仪表板，并直接呈现给业主、开发商和项目经理。
分割为 OnsiteIQ 提供了比单纯边界框检测更丰富的空间信息。随着公司类别体系不断扩展，OnsiteIQ 也在开发集成模型架构，将分割模型与分类器结合起来，使系统能够比单一模型更高效地提升不断扩大的类别集上的准确率。
图 1. OnsiteIQ 平台运用 Ultralytics YOLO11 开展工作。
为什么选择 Ultralytics YOLO11？#
OnsiteIQ 选择 Ultralytics YOLO11，是因为它兼具检测准确率、训练灵活性，而且团队可以轻松构建和迭代自己的专有数据集。首席工程师 Evgeny Nuger 表示，快速上手、构建数据集、运行训练器并迭代结果的效率，明显高于从头构建自定义基础设施；这也是团队转向 Ultralytics 的主要原因之一。
由于 OnsiteIQ 的训练数据属于专有数据，直接采集自正在施工的工地，并依据公司自己的类别体系进行标注，因此团队在 AWS 上管理自己的基础设施，使用 Ultralytics Python 软件包运行训练并保持模型更新。这种方式让 OnsiteIQ 能够全面掌控数据，同时受益于 YOLO 模型系列的性能和可靠性。
随着 OnsiteIQ 的用例不断演变，YOLO 架构的灵活性也发挥了重要作用。团队最初使用单个分割模型，如今随着类别体系扩大，正逐步转向集成方案；这是自然的发展方向，YOLO 框架能够支持这一转变，无需从根本上改变底层流程。
大规模施工智能带来的影响#
OnsiteIQ 与客户开展了影响研究，以量化部署平台后带来的运营改进。在这些研究中，出现了几项一致的指标：
- 争议解决速度提升 3 倍。81% 的用户表示争议解决更快，平均解决时间缩短至原来的三分之一；根据项目阶段和复杂程度，个案解决速度最高可提升 7 倍。借助覆盖现场每个区域、持续更新且带有地理位置信息的视觉记录，利益相关者可以迅速确定问题发生的时间和地点，减少各工种之间来回沟通所耗费的时间。
- 节省 25,000 至 400,000 美元的成本超支。客户表示，通过在工序安排问题和风险升级前及时发现，每个项目可避免 25,000 至 400,000 美元的成本超支。
- 项目延误减少 20%。鉴于大多数施工项目都会延期，延误减少 20% 意味着交付可预测性和收入实现能力得到显著改善。
- 交付可预测性提高 24%。78% 的用户表示项目交付可预测性有所改善，平均提升 24%，为业主和开发商提供了更可靠的财务规划和利益相关方报告依据。
总的来说，该平台还能作为长期资产记录。施工完成后，设施经理可以利用 OnsiteIQ 的图像了解墙内结构、定位管道或调查建筑问题，无需猜测，也不必进行会造成干扰的探查作业。
贯穿项目全生命周期的持续可见性#
OnsiteIQ 正在解决建筑行业的一个根本性信息问题。大型项目涉及大量资金、多工种之间的复杂协调，以及因延误带来的巨大财务风险。通过将 360 度影像采集与基于 Ultralytics YOLO11 构建的 AI 流程结合，OnsiteIQ 为项目团队提供所需的可见性，帮助项目从最初开挖直至移交乃至后续阶段都按计划推进。
成效可以量化：纠纷解决速度提高三倍，延误减少五分之一，每个项目避免数十万美元的成本超支。随着 OnsiteIQ 的类别体系持续扩展、集成模型架构不断发展，Ultralytics YOLO 仍是这一平台的核心，助力为每个工地提供可靠、持续的智能支持。
想了解建筑和基础设施领域的视觉 AI？查看我们的许可选项，将计算机视觉解决方案引入你的项目。访问我们的GitHub 代码仓库，加入我们的社区。
