OnsiteIQ 打造了一个由 Ultralytics YOLO11 驱动的建筑智能平台，在 360 度施工现场运行分割模型，实时检测施工进度、安全风险和运营问题，从而将项目延误减少了 20%。
在建筑行业，信息缺口代价高昂。项目一旦落后于计划，要找出原因、明确责任，并让业主、开发商和分包商就解决方案达成一致，可能需要数周时间。与此同时，延误不断累积，预算不断缩水，收入也随之损失。对于一家延期开业两个月的酒店，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视性。建筑项目涉及数十个工种在大型复杂的施工现场同时作业。如果没有可靠、连续的记录来说明哪些工作已完成、何时完成以及由谁完成，纠纷就难以迅速解决，进度也难以准确预测。
OnsiteIQ 正是为弥补这一信息缺口而创立的。公司会派遣拍摄专员前往在建工地，根据项目情况，定期每周、每两周或每天使用 360 度相机拍摄，覆盖每个工地的 100%。
随后，这些影像会被转换为带有地理位置标记的图像，并通过专有 AI 流水线处理，以检测施工进度、标记安全风险并呈现运营洞察，而这一切都由 Ultralytics YOLO11 提供支持。
让每个工地都拥有建筑智能#
OnsiteIQ 为房地产领域的业主和开发商提供建筑智能服务。截至目前，OnsiteIQ 已在美国和加拿大的 200 多个城市监测了 3,000 多个项目，覆盖超过 340 亿美元的新建开发项目。借助其平台，项目团队无需亲临现场，就能近乎实时地了解工地上正在发生的情况。管理一百万平方英尺开发项目的团队，只需一个工作日便可查看整个工地，并获取按楼层、工种和区域生成的 AI 洞察。
该平台围绕一个清晰的价值主张而设计：确保投入的资金按时、按预算实现预期目标。施工延误会直接造成财务影响。如果酒店晚两个月交付，这段时间损失的客房收入会直接拉低项目的投资回报。OnsiteIQ 为项目团队提供可视性，让团队及早发现施工顺序问题，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，以免这些问题引发更大范围的延误。
除了跟踪进度，该平台还支持安全和风险监控。检测灭火器、火灾报警器、渗水及其他现场情况，可以为项目团队提供额外一层监督；否则，团队就需要专门安排人员进行现场巡查。
在不断变化的工地跟踪进度所面临的挑战#
施工现场是动态环境。在项目的每个阶段，同一空间的面貌都截然不同，从土方开挖和主体结构施工，到机电管线粗装、石膏板施工以及室内装修，都是如此。要跟踪哪些工作已经完成、哪些尚未完成，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。
对此采用人工方式，例如现场巡查、进度报告和照片提交，往往耗费大量人力、缺乏一致性，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建筑领域特有的类别，而现场、光照和施工阶段的差异都很大。系统需要足够快，能在后台处理海量图像；准确度也要足以支持财务和运营决策；还要足够灵活，能够随着公司可检测类别本体的不断扩展而拓展。
OnsiteIQ 如何使用 Ultralytics YOLO11#
OnsiteIQ 的 AI 流水线以 Ultralytics YOLO11 分割模型为核心，对工地拍摄的每张图像进行处理。系统使用专有本体——由 OnsiteIQ 构建和维护的结构化建筑类别知识体系——作为模型训练和检测的基础。正如首席产品经理 Rammohan Adabala 所说，本体让检测结果达到决策级别：类别不仅按对象定义，也按状态定义，因此系统能够区分已安装的石膏板与已贴胶带或已涂漆的石膏板。正是这种区分，让图像级检测结果能够汇总成业主可据此采取行动的进度信息。
该流水线分两个阶段运行：
• 图像级检测。工地拍摄的每张 360 度图像都会输入 YOLO11 分割模型，由模型检测并分类图像中出现的建筑元素。本体涵盖建筑各阶段的广泛类别，从裸露的混凝土主体结构和机电管线粗装，到未涂漆的石膏板、已完成的表面和已安装的电器。例如，检测到冰箱或烤箱，就能让系统判断住宅单元或酒店单元已进入收尾阶段。
• 汇总并生成洞察。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。这些指标会用于平台的进度跟踪、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。
与单纯使用边界框检测相比，分割能为 OnsiteIQ 提供更丰富的空间信息。随着公司的本体不断扩展，OnsiteIQ 也在开发一种结合分割模型和分类器的集成架构，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 平台利用 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度、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。据首席工程师 Evgeny Nuger 介绍，团队可以快速上手——构建数据集、运行训练器并根据结果迭代——这一过程比从头搭建定制基础设施快得多，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，并按照公司自己的本体进行标注，因此团队在 AWS 上管理自己的基础设施，并使用 Ultralytics Python 包进行训练和更新模型。这种方式让 OnsiteIQ 完全掌控自己的数据，同时受益于 YOLO 模型系列的性能和可靠性。
随着 OnsiteIQ 的应用场景不断演进，YOLO 架构的灵活性也发挥了重要作用。团队最初使用单一分割模型，如今正随着本体扩展而转向集成方案；这是自然的发展方向，而 YOLO 框架支持这种演进，无需对底层流水线进行根本性改动。
大规模建筑智能带来的影响#
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。这些研究得出了若干一致的指标：
• 纠纷解决速度提升 3 倍。81% 的用户表示纠纷解决速度更快，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，有些案例的解决速度甚至提升了 7 倍。借助覆盖工地每个区域、连续且带有地理位置标记的影像记录，相关方可以迅速确定问题发生的时间和地点，减少工种之间来回沟通所花费的时间
• 节省 25,000 至 400,000 美元的超支成本。客户表示，通过在施工顺序问题和风险升级前及时发现，每个项目避免了 25,000 至 400,000 美元的成本超支。
• 项目延误减少 20%。鉴于大多数建筑项目都会延期，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提升。
• 交付可预测性提升 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。
总体而言，该平台还可作为长期资产记录。施工完成后，设施经理可以利用 OnsiteIQ 的影像了解墙内结构、定位管道或调查建筑问题，无需猜测，也不必进行破坏性探查。
贯穿项目全生命周期的持续可视性#
OnsiteIQ 正在解决建筑行业一个根本性的信息问题。大型项目涉及大量资金、多工种之间的复杂协调，以及因延误造成的重大财务风险。通过将 360 度拍摄与基于 Ultralytics YOLO11 构建的 AI 流水线相结合，OnsiteIQ 为项目团队提供所需的可视性，帮助项目从土方开挖第一天起，一直到交付乃至后续阶段都保持顺利推进。
成果清晰可量化：纠纷解决速度提升至原来的三倍，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 的本体持续扩展、集成模型架构不断发展，Ultralytics YOLO 仍是该平台的核心，助力平台为每个工地提供可靠、持续的智能洞察。
想了解面向建筑和基础设施的视觉 AI？查看我们的许可选项，为你的项目引入计算机视觉解决方案。访问我们的 GitHub 代码库，并加入我们的社区。
