論文の概要: Safety Assessment of Scaffolding on Construction Site using AI
- arxiv url: http://arxiv.org/abs/2509.21368v1
- Date: Mon, 22 Sep 2025 14:43:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-29 20:57:53.87662
- Title: Safety Assessment of Scaffolding on Construction Site using AI
- Title（参考訳）: AIを用いた建設現場におけるきずの安全性評価
- Authors: Sameer Prabhu, Amit Patwardhan, Ramin Karim,
- Abstract要約: 本稿では,足場検査の精度を高めるため,人工知能(AI)とデジタル化の利用について検討する。
クラウドベースのAIプラットフォームは、足場構造のポイントクラウドデータを処理するために開発されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the construction industry, safety assessment is vital to ensure both the reliability of assets and the safety of workers. Scaffolding, a key structural support asset requires regular inspection to detect and identify alterations from the design rules that may compromise the integrity and stability. At present, inspections are primarily visual and are conducted by site manager or accredited personnel to identify deviations. However, visual inspection is time-intensive and can be susceptible to human errors, which can lead to unsafe conditions. This paper explores the use of Artificial Intelligence (AI) and digitization to enhance the accuracy of scaffolding inspection and contribute to the safety improvement. A cloud-based AI platform is developed to process and analyse the point cloud data of scaffolding structure. The proposed system detects structural modifications through comparison and evaluation of certified reference data with the recent point cloud data. This approach may enable automated monitoring of scaffolding, reducing the time and effort required for manual inspections while enhancing the safety on a construction site.
- Abstract（参考訳）: 建設業界では、資産の信頼性と労働者の安全を確保するために安全評価が不可欠である。
重要な構造的支援資産であるスカフォールディングは、整合性と安定性を損なう可能性のある設計規則から変更を検出し、特定するために定期的な検査を必要とする。
現在、検査は主に視覚的であり、現場管理者または認定職員が偏差を特定するために実施している。
しかし、視覚検査は時間集約的であり、人間のエラーの影響を受けやすいため、安全でない状態に陥る可能性がある。
本稿では,足場検査の精度を高め,安全性向上に寄与する人工知能とデジタル化の活用について検討する。
クラウドベースのAIプラットフォームは、足場構造のポイントクラウドデータを処理するために開発されている。
提案システムでは, 認証基準データと最近のポイントクラウドデータとの比較と評価により, 構造変化を検出する。
このアプローチにより、足場の自動監視が可能となり、手動検査に必要な時間と労力が削減され、建設現場の安全性が向上する可能性がある。
関連論文リスト
- CARE: Decoding Time Safety Alignment via Rollback and Introspection Intervention [68.95008546581339]
Contrastive Decodingのような既存のデコーディングタイムの介入は、安全と応答品質の間に深刻なトレードオフを強いることが多い。
本稿では,3つの重要なコンポーネントを統合した,復号時安全アライメントのための新しいフレームワークであるCAREを提案する。
このフレームワークは、安全性、品質、効率のバランスが良く、有害な応答率が低く、ユーザエクスペリエンスを最小限に破壊できる。
論文 参考訳（メタデータ） (2025-09-01T04:50:02Z) - Are Large Pre-trained Vision Language Models Effective Construction Safety Inspectors? [0.0]
建設安全検査は通常、人間の検査官が現場で安全上の懸念を識別する。
強力なビジョン言語モデル(VLM)の台頭に伴い、研究者は、現場画像から安全規則違反を検出するなどのタスクに使用することを模索している。
論文 参考訳（メタデータ） (2025-08-14T18:23:09Z) - Aurora: Are Android Malware Classifiers Reliable and Stable under Distribution Shift? [51.12297424766236]
AURORAは、その信頼性と運用上のレジリエンスに基づいて、マルウェア分類器を評価するためのフレームワークである。
AURORAは、ポイント・イン・タイムのパフォーマンスを超えるように設計されたメトリクスのセットによって補完される。
さまざまなドリフトのデータセットにわたるSOTAフレームワークの脆弱性は、ホワイトボードへの復帰の必要性を示唆している。
論文 参考訳（メタデータ） (2025-05-28T20:22:43Z) - Construction Site Scaffolding Completeness Detection Based on Mask R-CNN and Hough Transform [2.7309692684728617]
本稿では,コンピュータビジョンを用いた足場とその横断ブラス検出のための深層学習に基づくアプローチを提案する。
注釈付きラベル付き足場画像データセットを使用して、畳み込みニューラルネットワーク(CNN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2025-03-18T20:27:22Z) - Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles [5.897549460175895]
本論文は, 建物後屋内シナリオにおける構造損傷検査と生存者検出のための自律検査手法を提案する。
自律航法、深層学習に基づく損傷および生存者検出法、および搭載センサーを備えたカスタマイズされた低コストのマイクロエアロビー(MAV)を備えている。
擬似災害後のオフィスビルにおける実験により, 構造物の損傷検査や生存者の発見において, 高い精度を達成できることが実証された。
論文 参考訳（メタデータ） (2025-03-13T04:13:48Z) - AR-Facilitated Safety Inspection and Fall Hazard Detection on Construction Sites [17.943278018516416]
我々は,高層建設現場の安全検査を容易にするために,ヘッドマウント型拡張現実の可能性を探っている。
業界で特に懸念されているのは、人や物体の落下を防ぐために、高いレベルの建設現場で、周囲の安全画面を検査することである。
我々は,安全画面のどの部分が検査されたかを追跡することで,この検査作業を支援することを目的とする。
機械学習を用いて、近距離検査と修復を必要とする周辺スクリーンのギャップを自動的に検出し、レポートを自動化する。
論文 参考訳（メタデータ） (2024-12-02T08:38:43Z) - Leveraging Traceability to Integrate Safety Analysis Artifacts into the
Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。
本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。
安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文 参考訳（メタデータ） (2023-07-14T16:03:27Z) - UAV-based Visual Remote Sensing for Automated Building Inspection [15.471860216370251]
無人航空機(UAV)にコンピュータビジョンを組み込んだリモートセンシングシステムでは,地震時の建物建設や災害時の被害評価などの災害管理を支援する可能性を実証している。
本稿では,UAVに基づく画像データ収集による検査の自動化手法と,地震構造パラメータの推定を支援する後処理用ソフトウェアライブラリを提案する。
論文 参考訳（メタデータ） (2022-09-27T14:18:14Z) - Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。
これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
論文 参考訳（メタデータ） (2022-08-23T05:02:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。