基于改进YOLOv8的建筑工地智能监控系统设计与实现

张勇; 游向东

0
0
浏览
下载

摘要
关键词
基金信息
论文图表
同行评议
相关论文
评论

基于改进YOLOv8的建筑工地智能监控系统设计与实现

首发时间：2026-03-13

张勇 ¹
张勇（2001年-），男，硕士，主要研究方向：人工智能，物联网
游向东 ²
游向东（1968年-），男，高级工程师、硕导，主要研究方向：人工智能物联网

1、北京邮电大学信息与通信工程学院，北京 100876
2、北京邮电大学智能工程与自动化学院，北京 100876

摘要：针对建筑工地传统人工监管效率低、覆盖面有限等问题，本文设计并实现了一套基于改进YOLOv8的智慧工地安全监控系统，聚焦安全帽佩戴检测与火灾预警两大核心场景。在安全帽检测方面，为解决小目标检测难及遮挡识别率低的问题，引入了SPD-Conv空间深度转换卷积、P2小目标检测层、坐标注意力机制（CA）和WIoU v3损失函数。改进后模型mAP@0.5由86.3%提升至92.1%，小目标检测精度提升11.2%。在火灾检测方面，为降低复杂背景下的误报率并适应边缘设备的算力限制，模型采用了FasterNet轻量化主干网络，引入BiFPN增强多尺度特征融合，融合SimAM无参注意力机制，并对预测头进行了边缘特征优化。改进后参数量仅为8.5M，mAP@0.5达93.7%，误报率由28.6%降至7.9%。此外，系统通过MQTT协议对接CTWing物联网平台，实现了数据的实时上报与报警远程推送，传输成功率达97%以上。本研究为建筑工地安全管理提供了高效、可靠的智能化解决方案。

关键词：计算机应用深度学习 YOLOv8 目标检测安全帽识别火灾检测物联网

For information in English, please click here

Design and Implementation of Intelligent Construction Site Monitoring System Based on Improved YOLOv8

ZHANG Yong ¹
张勇（2001年-），男，硕士，主要研究方向：人工智能，物联网
YOU Xiangdong ²
游向东（1968年-），男，高级工程师、硕导，主要研究方向：人工智能物联网

1、School of Information and Communication Engineering,Beijing University of Posts and Telecommunications,Beijing 100876
2、School of Intelligent Engineering and Automation,Beijing University of Posts and Telecommunications,Beijing 100876

Abstract：Addressing the inefficiencies of traditional manual supervision on construction sites, this paper proposes an intelligent safety monitoring system based on an improved YOLOv8, focusing on safety helmet detection and fire warning. For helmet detection, the model integrates SPD-Conv, a P2 layer, Coordinate Attention (CA), and WIoU v3 to tackle small object and occlusion challenges. This boosts mAP@0.5 from 86.3% to 92.1% and improves small object detection by 11.2%. For fire warning on resource-constrained edge devices, the network employs a lightweight FasterNet backbone, BiFPN, SimAM, and an optimized prediction head. This reduces parameters to 8.5M while achieving a 93.7% mAP@0.5 and dropping the false alarm rate from 28.6% to 7.9%. Furthermore, the system uses MQTT to connect with the CTWing IoT platform, enabling real-time remote alarms with a >97% transmission success rate. This research provides a reliable and efficient solution for smart construction safety management.

Keywords： computer application deep learning YOLOv8 object detection helmet recognition fire detection IoT

基金：

论文图表：

引用

导出参考文献

.txt

.ris

.doc

张勇，游向东. 基于改进YOLOv8的建筑工地智能监控系统设计与实现[EB/OL]. 北京：中国科技论文在线 [2026-03-13]. https://www.paper.edu.cn/releasepaper/content/202603-126.

No.****

同行评议

共计0人参与

全部评论

0/1000

论文编号	202603-126
论文题目	基于改进YOLOv8的建筑工地智能监控系统设计与实现
文献类型
收录期刊	上传封面中文期刊英文期刊期刊名称（中文）期刊名称（英文）年，卷（）上传封面中文专著英文专著书名（中文）书名（英文）出版地出版社出版年上传封面中文译著英文译著书名（中文）书名（英文）出版地出版社出版年上传封面中文论文集英文论文集编者.论文集名称（中文） [c]. 出版地出版社出版年， - 编者.论文集名称（英文） [c]. 出版地出版社出版年，- 上传封面中文文献英文文献期刊名称（中文）期刊名称（英文）日期-- 在线地址http:// 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期-- 上传封面中文文献英文文献文题（中文）文题（英文）出版地出版社,出版日期--
英文作者写法：中外文作者均姓前名后，姓大写，名的第一个字母大写，姓全称写出，名可只写第一个字母，其后不加实心圆点“.”, 作者之间用逗号“，”分隔，最后为实心圆点“.”, 示例1：原姓名写法：Albert Einstein,编入参考文献时写法：Einstein A. 示例2：原姓名写法：李时珍；编入参考文献时写法：LI S Z. 示例3：YELLAND R L,JONES S C,EASTON K S,et al.