Giám Sát Tiến Độ Công Trường Bằng AI
Camera công trường đẩy ảnh vào một pipeline phân vùng từng ảnh, kiểm tra an toàn, đếm công nhân rồi quy tất cả thành tiến độ theo giai đoạn so với kế hoạch, kèm timelapse và báo cáo PDF
Tổng quan
Một camera timelapse, hoặc bất kỳ hệ thống nào gọi được webhook, gửi từng ảnh công trường mới về gateway. Ảnh được lưu vào object storage và hai job được đẩy vào hàng đợi.
Worker phân vùng chạy một model SegFormer tổng quát mà chúng tôi đang điều chỉnh cho công trường, quy kết quả về các phần chính nhìn thấy được - đất đào, kết cấu, mặt dựng, giàn giáo, hoàn thiện - kiểm tra ảnh có mờ, tối hay bị che không, rồi ghi tỷ lệ diện tích từng phần vào TimescaleDB.
Worker an toàn chạy một model YOLOv8: đếm người trên từng ảnh và ghi nhận trường hợp không đội mũ, không mặc áo phản quang, người đi vào vùng nguy hiểm khai báo riêng cho camera đó, người đứng sát máy móc và người làm việc một mình. Sự kiện mức cao và nghiêm trọng được đẩy lên trình duyệt qua Socket.IO và, nếu có cấu hình, sang Telegram.
Sau bước phân vùng, worker tiến độ lấy trung bình trượt diện tích các lớp, quy về các giai đoạn móng, kết cấu, mặt dựng và hoàn thiện theo hệ số hiệu chỉnh riêng cho từng dự án, so với lịch dự án và ghi một điểm trên S-curve cùng số ngày chậm và dự báo ngày hoàn thành; quản lý dự án có thể ghi đè con số ước tính.
Kho ảnh có thể xuất thành video timelapse MP4 theo camera và khoảng ngày bất kỳ, còn dịch vụ báo cáo dựng file PDF gồm tiến độ, an toàn và ảnh hiện trường, có thể kèm đoạn nhận xét bằng tiếng Việt hoặc tiếng Anh.
Hiện hệ thống chạy trọn luồng trên Docker Compose; hệ số hiệu chỉnh tiến độ vẫn cần tinh chỉnh bằng dữ liệu công trường thật, còn việc so mô hình BIM với hình ảnh camera và module thu ảnh tại edge cho công trường có đường truyền yếu nằm trong lộ trình.