世纪大学的李昕（Xin Li）和诺丽莎-胡辛（Norriza Hussin）进行了一项开创性的研究，通过人工智能（AI）和机器视觉彻底改变了工作场所的安全状况。他们的 研究 重点关注建筑工人安全设备的自动检测，解决职业安全管理中的一个关键难题。
通过利用轻量级 YOLOV5 作为基线模型，研究人员开发出了一种增强型物体检测系统，其准确性提高了 3.7%，mAP50 提高了 3.0%。这意味着在实时识别安全帽、手套和高可视度背心等安全装备方面有了显著提高，从而确保工人在建筑工地上遵守安全协议。
工伤事故仍然是企业，尤其是建筑等高危行业关注的焦点。传统的安全检查在很大程度上依赖于人工监督，而人工监督往往耗时长、不连贯，而且容易出现人为错误。随着机器视觉技术的兴起，自动监控系统现在可以实时检测安全违规行为，最大限度地减少工作场所的危险，提高整体合规性。
世纪大学研究人员的研究重点是优化机器视觉在现实世界中的应用。虽然现有的人工智能驱动检测系统往往在高计算复杂性和苛刻的硬件要求中苦苦挣扎，但这项研究通过结合以下方面来解决这些问题：
🔹 感知场注意力机制--增强人工智能模型关注相关对象的能力。
SeNet（挤压-激发网络）--提高泛化能力，使系统更能适应不同的环境。
IDetect 头 - 提高检测速度和效率，确保实时响应。
通过集成这些先进技术，该系统可部署在物联网（IoT）机器视觉终端上，从而降低部署成本，同时显著提高建筑工地的监控效率。
这项研究有可能改变建筑行业的安全合规执行方式。通过用人工智能驱动的自动监控取代人工检查，公司可以
- 确保工人始终佩戴适当的安全设备
- 减少工作场所事故和安全违规行为
- 削减与人工检查相关的运营成本
- 改进对潜在危害的实时响应
随着全球工业向自动化和数字化安全解决方案发展，这项研究标志着人工智能驱动的工作场所保护向前迈出了一大步。
机器视觉与物联网技术的整合为智能建筑工地打开了新的大门，人工智能可持续监控安全合规性。展望未来，这样的研究将在实现零事故工作场所方面发挥关键作用，同时促进数据驱动的安全文化。
这项研究支持联合国可持续发展目标（SDGs）：
可持续发展目标 8--体面工作与经济增长：改善工人安全可确保更健康、更有生产力的劳动力。
可持续发展目标 9--工业、创新和基础设施：利用人工智能和物联网提高工业安全标准。
可持续发展目标 11--可持续的城市和社区：更智能、更安全的建筑工地有助于可持续城市发展。