王爱民,刘 斌,杨柏舜,杨 樱
(1.扬州市港航事业发展中心,江苏 扬州 225009;2.江苏长天智远交通科技有限公司,江苏 南京 210036)
京杭运河施桥船闸至长江口门段航道整治工程起自施桥船闸,止于六圩长江口,沿途经过扬州市广陵区、经济开发区,止于六圩长江口,航道总体呈南北走向,与长江岸线基本正交,全长5.37 km,代表船型为2 000 t级京淮货船,尺度为68 m×13.8 m×3.0 m。本工程按II级航道标准整治,设计最大船舶等级为2 000 t级;航道底宽不小于70 m,最小水深4.0 m;同时对施桥船闸3号闸下游处的一排水口进行改造,工程按照Ⅱ级航道标准实施生态岸线修复和航道疏浚,全面拆除沿线碍航桥梁、码头,新建六圩大桥,规划建设停泊商业服务于一体的船舶停靠服务区,新增84个船舶带闸泊位,配套完善沿线航道标志标牌等实施内容。
交通运输部《关于打造公路水运品质工程的指导意见》中提出“应探索‘互联网+交通基础设施’发展新思路,推行‘智慧工地’建设,提升项目管理信息化水平”的要求。为实现水运工程施工质量、安全监管和全国过程监管,结合京杭运河施桥船闸至长江口门段航道整治工程实际需求,针对项目建设过程中钢板桩、灌注桩、钢筋砼承台等施工环节需大量进行起吊作业,同时缺乏主动发现安全风险、预防安全事故的有效手段,导致项目施工过程存在较大安全隐患的实际情况。本文依托京杭运河施桥船闸至长江口门段航道整治工程实际需求,开展基于5G边缘计算的航道工程安全风险感知技术研究,重点针对施工质量和安全监管过程中需要重点关注的关键节点和关键位置,利用5G[1]、边缘计算[2]和AI视频智能分析[3]等技术实现对项目中起吊作业的全过程跟踪,以达到对于工程质量安全的全过程监管要求。
为了消除工程的安全隐患,提高工地施工智慧监管水平,本文分析现场起吊过程的安全风险因素,通过安装传感器和摄像头实现施工现场起吊作业的实时信息数据的自动化采集,基于5G、边缘计算及AI视频识别技术完成对感知和视频数据的处理,建立算法实现对起吊物尺寸识别、起吊区域安全范围的实时计算并通过视频监控实现危险区域预警功能,大幅度提高起吊作业的安全管理效率。
吊装作业是航道工程施工、检修过程中的重要环节,起重机械通常具有较为复杂的机构,完成上升运动和水平运动。所吊构件多种多样,载荷也随之变化;大多数起重机械,需要在一定的空间运行;起重机械与吊运人员经常直接接触,有潜在的偶然危险因素;作业环境的复杂性;吊运过程中的分工配合复杂等特点,在实际过程中存在风险隐患大、危险性高的问题。
结合航道起吊施工过程中的特点,分析起吊过程中安全生产影响因素,特别针对起吊区域下方的安全管控,采用物联网和AI技术,采集感知起吊施工过程中的各种风险因素,构建算法模型,对起吊物下方的危险区域进行精准识别,并通过视频识别技术,实现对进出危险区域人和动态物体的感知和报警。
根据《起重机械的安全技术管理》《无损检测技术在起重机械安全检验中的应用》《关于大型起重机械安全技术吊装的思路分析》《起重事故原因分析与起重机安全技术检验》《建筑地基基础工程施工质量验收标准》(GB 50202—2018)等相关标准规范中对本项目提出的技术要求,结合之前施工过程中的一些风险问题及防治措施,梳理本项目可以结合AI视频智能分析的相关应用场景,对照市面上的各类智能化安全防范设备,提出本项目中能够实现项目施工过程智能化安全防范管控的应用技术。
分析起重作业的生产过程,起重事故具体表现为以下15类。
(1)起升高度限位器失灵将会导致过卷事故的发生,由于过卷,钢丝绳拉断从而使吊物与钩头一起坠落。
(2)力矩限制器不全或失效,虽说超负荷起吊是导致整机倾覆事故的主要原因,但如果力矩限制器能可靠地起作用,则可从客观上避免此类事故的发生。
(3)起重机在高压线附近作业时缺少安全防护,导致触电事故的发生。
(4)吊钩上无防脱钩棘爪,将导致吊索绳从钩中脱落,造成坠落事故。
(5)运行中的起重机、吊具及吊物摆动对人和周围设施造成的挤压或撞击。在起重机作业范围内,非作业人员不准进入,起重臂和重物下方不得站人;起重机停止作业时,要将重物落位,不准将重物悬在空中,防止发生危险;同时起重机作业场所要有畅通的吊运通道,并与附近的设备、管线及建筑物等保持一定的安全距离,不得发生碰撞情况;起重人员在起吊时应站在安全地点,距吊物必须有2 m以外的退让余地。禁止站在起重机和吊物的死角处。
(6)吊钩超载断裂、吊运时钢丝绳从吊钩中滑出;或钢丝绳、麻绳断裂造成重物下落,发生设备、人员事故。起重作业中,对吊索具安全系数理解错误,往往以不断为使用的依据,致使超载作业,处在危险状态。指挥人员首先要了解被吊物体的重量,不准起吊埋在地下、冻结在地面或设备上的重物;确定合适的吊索具,严禁使用应报废的钢丝绳、吊钩等索具。另外,工件正式吊装前必须进行试吊,检查全部机具受力情况,合格后方可正式起吊。
(7)电气设备漏电、保护装置失效、裸导线未另加屏蔽等造成触电。对各种电气设备要定期进行检查,发现破损、老化等现象,要及时修理和更换,不得凑合使用,现场施工用电必须严格按电气操作规程进行。
(8)吊耳脱落导致吊物坠落事故的发生。吊耳作为吊装时的承重点,是影响吊装作业安全的一个重要环节。对于设备吊耳,有些是出厂时已焊好,有些设备的吊耳是根据现场施工要求焊上的,但无论哪种情况,都必须进行受力核算,以确保吊装工作的安全。
(9)钢丝绳从滑轮中跳出轮槽。钢丝绳和滑轮配合使用时,必须注意防止钢丝绳从轮槽中跳出。如果钢丝绳脱落了轮槽后还在继续使用,钢丝绳将会产生挤压变形、扭结、断丝、断股,严重缩短钢丝绳使用寿命,如果发生断绳现象,往往会带来灾难性的后果。因此,滑轮应有防止钢丝绳跳出轮槽的装置。
(10)吊挂方式不正确,造成重物从吊钩中脱出。起重机吊钩应设有防止吊物意外脱钩的保险装置,使用安全吊钩。
(11)吊具或钢丝绳与导电线意外接触。根据规程,吊车在架空输电线路附近工作时,起重臂、钢丝绳和重物等与架空输电线路的最近距离应不小于电力建设安全工作规程中的规定。
(12)起重作业涉及面大,经常使用不同单位、不同类型的起重机具。由于操作习惯不同、性能不同,再加上指挥信号的差异影响,容易发生误操作等事故。指挥人员、司索人员应严格执行安全操作规程,必要时进行作业演练。
(13)司机与指挥人员联络不畅,或误解吊运信号。吊装时,应有专人负责统一指挥,指挥人员应位于操作人员视力能及的地点,并能清楚地看到吊装的全过程。哨音必须清楚、响亮,旗语、手势应准确,如信号不明确时,应立即询问,严禁凭估计、猜测进行操作。
(14)绑扎不牢、重物空中坠落伤人。高空吊装拆除时对被吊物应采取“锁”的措施,而不能用“兜”的方法;对被吊物的尖锐棱角应采取“垫”的措施,以避免吊物绑扎不牢,在空中受刮碰而失稳坠落伤人。
(15)作业中缺乏预见因素。由于种种原因,如物件估重不准、切割不彻底、拆除件受挤压增加荷重、连接部位未被发现强行起吊等,造成吊车、吊索具骤加荷重而导致意外。
分析航道吊装作业的过程和产生事故的因素,在吊装过程中主要产生安全事故的因素可以归纳为起吊方案、起吊前设备检查、起吊人员认证、起吊过程监控等,其中,起吊过程监控包括起吊环境监测、安全区域禁入监测、人员安全装备检测等。针对吊装作业安全风险因素的类型和监管的主要手段进行分析总结,如表1所示。
表1 吊装作业的安全风险因素分析
以上安全风险因素,在实际的施工过程中需要通过多种手段来进行检测和监控,结合现有的信息化手段和技术,能够通过信息化手段实现现场监测和预警的安全生产风险因素主要有以下几点:
(1)起重作业人员无证上岗;
(2)起重工及其他操作人员未戴安全帽等个人防护用品;
(3)未设安全警示区;
(4)风力过大、违章作业造成起重机倾覆。
针对以上因素开展了基于5G边缘计算的航道工程起吊安装作业安全风险感知技术研究,通过现有各种信息化手段实现对航道工程中起吊安全作业的安全风险感知,实现预警和报警,提高生产安全监管水平。
航道工程吊装作业安全生产风险监控平台总体框架如图1所示,系统主要由基础设施层、网络层、数据层、支撑层、应用服务层、应用层和表现层7部分组成。基础设施层主要实现视频监控数据、吊臂上安装的传感数据、边缘节点的计算结果数据和云平台的数据资源。网络层主要包括5G网络、互联网和交通专网。数据层主要包括基础数据库和业务数据库,涵盖起吊设备信息、视频数据、感知数据等。支撑层和应用服务层通过流媒体服务、算法模型和AI视频识别技术为系统提供支撑。平台应用主要从起吊施工感知、施工人员认证、穿着装备识别、起吊物外形检测和App应用5个模块提供服务(见图1)。
图1 总体架构
航道工程吊装作业安全生产风险监控平台主要包括起吊施工监管、施工人员认证、穿着装备识别、起吊物外形检测和App 5个功能模块(见图2)。平台针对起吊物尺寸识别、起吊机械的安全感知、起吊作业人员的认证、起吊危险区域的动态划定、区域闯入报警、作业人员安全帽识别报警开展平台功能设计,平台充分整合起吊机械施工安全感知系统和智慧工地系统,实现对航道工程吊装作业安全生产风险的全面感知和预警报警。
图2 功能设计
对起吊施工过程中吊机和吊臂的实际状况进行监管,包括风速风向传感器、角度传感器、重量传感器,实现吊装作业现场环境数据采集、吊车姿态采集和吊物重量采集;风速风向数据采集基于机械式风速风向传感器,当吊装作业环境风速超过安全预警门限时提醒现场作业人员尽快停止作业,同时根据风速、风向对吊装作业潜在危险区域进行划分和调整;倾角传感器对吊装作业时吊车的姿态进行采集,根据吊车姿态动态调整视频监控画面抓拍区域。
模块通过对起吊前端感知设备数据采集,获取前端的风速、风向、大臂倾斜角、吊物重量等现场风险因素进行感知,计算起吊过程中的危险区域,并对危险区域闯入进行报警。主要包括传感器数据管理、算法模型管理、边缘节点管理、危险区域界定、危险预警报警、起吊物尺寸识别等功能。
传感数据管理主要实现对前端感知的数据进行管理,包括对数据的存储管理、异常数据管理、数据的采集管理等。算法模型管理是对前端数据进行分析输出,根据结果对算法进行修正,调整保证算法输出结果贴近实际。边缘节点管理是对前端边缘设备进行管理,可实现对多个节点的管理,包括节点位置、节点的数据项、计算结果管理。危险区域界定是通过对前端吊机上的摄像机采集的图像,结合前端感知设备的数据和算法的结果,在视频中自动划定危险区域,实现危险区域的动态变化。危险区域报警是当危险区域有人闯入时自动报警,发送给后台监控人员。起吊物尺寸识别是通过吊臂摄像机对起吊物的水平面尺寸进行计算和判别,从而作为吊物下落覆盖区域的识别依据之一。
通过人脸识别技术实现对吊机操作人员的认证,对没有通过识别的人员进行报警和弹框警示,同时实现对所有人脸识别操作的记录和查询,主要包括人脸库管理、人脸识别、实时比对报警、人脸比对历史查询等功能。人脸库管理对具有吊机施工资质的人员进行人脸图片的采集和保存,建立人脸资源库,为人脸比对提供依据。人脸识别通过开发人脸识别算法实现前端图像与人脸图片的比对,比对的具体流程为:移动人脸抓拍设备获取人脸图片并发送至云端算法服务器,进行验证和识别后发送给平台端进行记录查询和检索。具体实施结果见图3。
图3 算法实现过程
实时比对报警是将比对的结果实时提交后方平台报警,提醒监控人员注意。人脸比对历史查询实现对历史比对结果的存储和查询,以便于开展分析和跟踪。
通过视频检测技术,实现在起吊过程中吊物下方区域内人员安全帽佩戴情况的检测和报警,主要包括实时识别和历史检测结果。实时识别采用基于随机Hough变换人头定位的安全帽检测算法,利用人头和安全帽都为圆形的特征,考虑先使用随机Hough变换检测圆来确定人体的头部,然后再利用安全帽的颜色特征,通过HSV模型[4]来确认安全帽是否存在于人体头部,该算法流程如图4所示。
图4 基于随机Hough变换人头定位的安全帽检测算法流程
(1)选择行人检测算法中得到的行人检测区域上半部分作为安全帽检测的ROI区域。
(2)设定阈值,将图像二值化。
(3)使用边缘检测算子Canny提取图像的边缘,得到图像的轮廓。
(4)通过随机Hough变换来对图像中的圆进行检测,并标注为图像中的人头部分。
(5)对图像中的人头部分进行特定颜色的HSV模型的二值转化。
(6)判断该区域是否存在白色像素点的连通区域:如存在,则判定佩戴了安全帽;反之,则判定未佩戴安全帽。
通过视频算法,实现对起吊过程中钢板桩长度的识别和管理。主要包括起吊物管理、算法管理、检测结果记录、统计分析等模块。通过图像深度学习技术判断并记录在几个关键位置的信息,通过机器视觉技术测量长度,实现对钢板桩长度的测量并记录。
航道工程吊装作业安全生产风险监控平台主要包括起吊施工监管、施工人员认证、穿着装备识别、起吊物外形检测和App 5个功能模块。平台针对起吊物尺寸识别、起吊机械的安全感知、起吊作业人员的认证、起吊危险区域的动态划定、区域闯入报警、作业人员安全帽识别报警开展平台功能设计,平台充分整合起吊机械施工安全感知系统和智慧工地系统,实现对航道工程吊装作业安全生产风险的全面感知和预警报警。