杭州新中大科技股份有限公司

基于深度学习的施工进度识别技术，通过高度智能化的数据处理与分析，得到土方工程施工阶段识别模型数据集合，为建筑行业带来了革命性的管理变革，增强了施工过程的透明度与可控性，显著提升了项目的安全性、效率和经济效益。1.数据采集：采集海量不同施工阶段的多样化现场场景数据，为模型训练提供了丰富的真实数据基础。 2.数据处理： （1）数据预处理：首先对基于多任务联合优化的工程进度识别模型训练进行预处理，然后进行特征提取与模型构建： （2）特征提取：采用ResNet50作为深度学习模型的骨干网络，该网络能高效提取图像的深层特征，为每个输入数据生成2048维的特征表达。 （3）分类器设计：在特征表达基础上添加分类器层，将特征向量映射至22个类别的判别向量，并取22个值中的最大值所对应的类别作为模型最终的预测类别，实现对施工阶段的精确分类。 3.数据应用：创新性地同时利用交叉熵分类损失函数和基于特征相应图的目标定位损失函数联合优化模型参数，使其达到更佳的工程进度识别效果，得到施工进度识别数据集合及其出的模型，显著提升工程项目的管理效率和安全性，有效控制成本、保证工程质量，大幅改善建筑工程管理，是推动建筑行业数字化转型的关键数字化技术之一。