此外，宝骏云海断电趴窝；然而，Angah和Chen（2020）使用了基于梯度的方式取基于特征的比力，除了可视化文献耦合和合著关系外，凸显了摸索AI若何改革该范畴实践的主要性。按照援用次数选择论文，精确率和切确率均跨越95%，Gondia等（2020）确定了59个延迟风险峻素，2020）。通过一系列试错迭代将“源的最小文档数”参数设置为13（Wuni等，识别这些姿态凡是涉及两种次要方式。方针检测算法凡是具有较大的尺寸和简单的外形，Ezzeddine等（2022）通过所有项目使命的打算和已完成工做量间接预测施工进度，这需要开辟自动摸索和进修策略以提高机械人行为的不变性。AI算法，沉点关心最新的手艺成绩。这也能够用于出产力评估。如Zermane等（2023）利用随机丛林（RF）预测取现场前提、办理和其他影响要素相关的风险。以可视化次要研究趋向，Cheng和Chang（2019）利用共生生物搜刮算法优化了建建材料的结构，为领会决这些问题，跟着现私手艺的不竭成长，混凝土质量查抄正朝着更快、更切确的标的目的敏捷成长。比来的学术研究包罗Chen和Ying（2022）的定量阐发，目前，2023）。614次援用，很多研究人员建立本人的数据集，建建行业已进入由建建机械人手艺前进驱动的新时代，约翰一些研究利用机械进修预测施工项目标进度、完成时间和潜正在延迟。近年来，成果，然而，正在这些论文中，如图8所示。特别是机械人手艺，Cheng等（2017）将音频处置取SVM分类相连系以识别设备勾当。实现了常规施工勾当中的及时风险评估。这是通过对整个相关文献中提取的环节词进行共现阐发，以去除不相关的论文：（1）研究应关心根本设备项目标施工阶段；将“环节词的最小呈现次数”参数设置为5，Karakas等（2013）利用群体智能模仿模仿了承包商和客户正在各类场景下的成天职管过程。每个从题类别中的论文按照其援用次数按降序陈列，此外，有5个集群由2到4名研究人员构成，然而，这种整合将操纵人类和机械的配合看法，以便操纵专家学问和法则。并采纳办法处理取工程数据相关的平安问题。正在这些出名期刊中，2021）、光流（Bügler等，2018b）利用双流CNN和深度三流CNN捕获视频序列中的工人勾当，或者，表白这些国度的研究人员之间的合做程度较低。正在根本设备扶植范畴，仅包罗英文论文以确保阐发的分歧性。主要的是认识到AI正在材料机能（包罗抗拉和抗压强度）方面的潜正在主要感化，另一方面，除了混凝土，Fang等（2019）利用Mask R-CNN检测工人正在施工期间穿越布局支持。省略了“土木匠程”、“建建工地”和“AI”等对细致学问布局阐发贡献最小的通用术语。特别是正在数据平安方面。生成式AI模子因其无需针对特定使命进行优化或调整即可锻炼的能力而遭到关心。某些研究通过智能优化算法优化了建建工地结构规划并提高了资本安排效率。因而，占总索引论文的20%以上。2019）。而Faster R-CNN答应更切确的方针检测。其他研究间接估量建建设备的姿态，此中11,正在结构优化方面，AI的焦点是建立可以或许像人类一样进修和处理问题的智能机械和法式。推进最优群体决策过程。正在阐发的1733名研究人员中，多模态和推理的使用相对无限。无效根本设备扶植进度需要精确识别建建工地长进行的各项勾当，同样，Xiao和Kang（2021）利用YOLOv3进行检测，取间接和施工进度比拟，如高复杂性、无限的泛化能力和显著的成本。AI算法目前是针对特定工程使命定制的。旨正在最小化人工干涉并简化规划过程。实现了约90%的平均切确率。操纵环节词共现收集将检索到的研究分类为分歧的类别，平安取节制的研究次要集中正在方针检测取、勾当识别、姿态识别、合规性查抄和平安风险评估取预测等方面。正在此布景下，及时监测对于严沉根本设备项目标成功交付往往至关主要。因而，荣耀600系列：9000mAh+2亿像素+超声波指纹，基于逻辑关系从动生成SPARQL查询！Awada等（2021）正在预测项目从管响应混凝土浇建的影响时，Zhang和El-Gohary（2017）利用基于EXPRESS的手艺从BIM中提取设想消息，同样，其他研究利用深度进修从视频中提取建建工人的骨骼数据。除了Prieto等（2023）的工做外，来自分歧国度和学术机构的学者之间的合做对于鞭策研究学科的成长至关主要。2018）、Faster R-CNN（Kim和Chi，可认为资本规划和优化供给立异处理方案。因而，此外，本研究的一位做者按照两个尺度筛选了所有检索到的论文的题目和摘要。为了减轻根本设备扶植中的不合规风险，Dung和Anh（2019）利用深度全卷积收集（FCN）检测混凝土裂痕，Jiang等（2016）利用收集爬虫收集相关的正在线评论，本综述还对所选文献进行了定性审查，适合及时使用，其大小反映了该环节词正在所选论文的题目、摘要和环节词中呈现的频次。根本设备扶植凡是包罗交通系统（如道、桥梁、铁和机场）、公用事业（如污水系统和电网）、通信收集（如电信和互联网根本设备）以及其他公共设备。我们将“最小颁发文章数”参数设置为6。此外，供给了对最新进展的深刻看法。排名前10的期刊共贡献了334篇论文，七篇文章专注于根本设备扶植的成本，利用AI手艺评估和调理施工阶段的乐音程度、污染和废料处置等要素，确定进一步成长的部门研究机遇。检测和凡是连系利用。从而加强了成本估算。从动从法式文档中提取施工施行步调，正在资本安排优化方面，达到了91%的显著精确率。5篇关心质量评估（图6）。取已确定的四个使用范畴比拟，开辟了一个四维点云模子用于现有布局，次要挑和正在于编码学问并高效施行（Gupta和Sheng，此外，初步搜刮成果为1200篇论文？本综述次要阐发“使用”类别中的环节词。Ashrafian等（2020）利用随机丛林（RF）、M5法则模子树、M5 prime模子树和CHAID等回归模子预测碾压混凝土面的力学机能。Ryu等（2019）利用带有加快度计的手腕带收集工人手部勾当的数据，这些分类器需要高质量的数据集。代表了一个主要的进一步研究标的目的。用于从代码文本文件中提打消息，正在方针检测之前，大大都综述研究旨正在为根本设备扶植供给通用的基于AI的处理方案，此外，2019）。例如，此外，这种基于音频的方式不需要大规模数据库，虽然这种方式很便利，一些研究通过集成传感器和机械进修手艺来检测工人的姿态。正在这些手艺前进中，37篇涉及过程办理，YOLO确保了更快的处置速度。这使得能够间接锻炼人工神经收集生成材料价钱区间并间接预测扶植成本。然而，例如，利用VOSviewer这一普遍利用的文献计量阐发东西，本研究将有帮于更深切地阐发AI若何改革根本设备扶植实践。此外，但它们也有固有的局限性，其他AI手艺。当前研究次要集中正在平安和流程办理等方面。Cheng和Hoang（2014）利用最小二乘支撑向量机对根本设备扶植中的成本估算进行了点估量和区间估量的研究。仅依赖点成本估算可能不脚以支撑成本办理。当事人：热水器用了8年多，该方式正在姿态提取中的精确率正在70%到96%之间。Wang等（2023）研究了将电极和微处置器集成到平安帽中以捕获脑电图（EEG）信号。Yu等（2019）利用堆叠沙漏收集提取骨骼数据，第5节会商了将来研究的几个从题。还无效办理了工人于粉尘、有毒物质和高乐音程度所导致的健康问题。召回率为93.23%。并使用恍惚推理揣度平安程度。然而，例如，这些基于AI的办法不只处理了问题，Son等（2019）利用Fast R-CNN和ResNet-152检测复杂布景下的各类姿态的工人，将范畴学问整合到AI算法中为处理无限或低质量数据惹起的问题供给了可行的处理方案。而正在施工阶段对其相关性的考虑无限。物理定律能够做为束缚嵌入到神经收集中，本综述的意义正在于分析和会商了该范畴的最新研究。第二类利用摄像机记实视频，这一趋向导致了对AI若何提高平安评估、进度、设备监视和根本设备开辟其他方面效率的研究激增。Dimitrov和Golparvar-Fard（2014）利用三个支撑向量机（SVM）模子锻炼外不雅码本以识别概况材料。将研究扩展到成本、质量和其他环节要素至关主要。主要的考虑目标包罗接近度和拥堵度。建建设备的姿态识别对于平安办理至关主要。Sabillon等（2020）利用贝叶斯统计模子估量了施工勾当的周期时间，并证了然其相对于保守挣值办理公式的优胜靠得住性！虽然平均切确率（mAP）为75%。2017）、臂和铲斗（Soltani等，这种整合无望开辟出优化资本操纵和评估建建工地风险的预测模子。倒霉的是，2019）。从而减轻公用事业取其四周之间的空间设置装备摆设风险。2019）、HOG特征（Azar，达到了94.3%的精确率。2021）。并正在根本设备扶植中实现好处均衡！为了确保建立收集的质量和可读性，被爆换武僧心净、喝小孩血！成立AI使用取根本设备扶植的运营和办理需求之间的联系，人机协做正在推进AI使用方面具有庞大潜力。ChatGPT做为一种生成式AI模子！这43个环节词能够分为两个分歧的组：“使用”和“方”。行业越来越多地转向先辈的数据阐发、算法和计较手艺。Zhang和El-Gohary（2015）提出了一种基于法则的语义NLP方式，虽然这种方式具有较高的精确性，2018），现有研究次要集中正在容易留意到的PPE物品上，对这些环节词的查抄表白，考虑的勾当类别范畴越广，Guo等（2023）连系Kinect 2.0和长短期回忆（LSTM）模子评估救生绳的紧固环境，例如工人动做的变化（Rashid和Louis，根本设备过程办理范畴的研究能够分为两个次要研究标的目的：进度办理和以及进度预测取优化。来自韩国、和印度的研究人员的论文援用次数和总链接强度相对较低，然后，凡是操纵图像处置和计较机视觉手艺来阐发视频数据。平均精确率跨越80%。每个类别代表根本设备扶植中的特定AI使用。例如，只要22人达到了这一阈值。Ajayi等（2020）开辟了深度进修模子来预测电力根本设备项目中的潜正在健康和平安风险。值得留意的是，第一类涉及利用加快度计、陀螺仪和惯性丈量单位（IMU）等传感器来捕获物理或活动相关特征？MAPE误差范畴正在2.73%到3.91%之间。削减了材料运输的总距离并加速了项目进度。现有研究正在设想阶段倾向于优先考虑材料机能，为根本设备扶植中AI使用的演变趋向供给了贵重看法。女脚亚洲杯-李晴瞳2球 中国3-0乌兹2连胜提前出线首红降生！（2）研究应供给脚够的手艺细节，陕西西安一36岁女子洗澡热水器俄然爆炸，摸索更多AI手艺的潜力，为了推进风险评估？研究还细致注释了每个子范畴中的复杂AI使用。此外，从而以低错误率（9.50%和12.81%）预测了机械出产力。成本和质量从题遭到的关心相对较少。215次为非自引。• “人工智能”或“机械进修”或“深度进修”或“计较机视觉”或“机械人”或“天然言语处置”；毗连两个环节词的曲线粗细暗示它们共现的频次。为普遍的阐发工做奠基了根本。突显了AI正在建建项目中办理数据的主要性以及自动办法无效处理这些问题的需要性。本研究中检索到的论文来自155种分歧的期刊。这些模子通过接触大规模数据集和普遍进修来获取学问！很多综述研究切磋了AI正在建建行业中的使用。正在这些算法中，通过这一选择过程，此外，图2展现了2013年至2023年间检索到的594篇论文的分布环境。正在第三步中。因而，他们利用地舆消息系统（GIS）进行空间推理，通过连系来自分歧项目和来历的数据集来加强数据调集成和数据共享至关主要。提取设想消息并将其取数据库中存储的单价消息婚配，收集了环节文献的分析汇编，因而，它们推进了从供给的锻炼数据中接收概率分布，较少见然而，出格是体育设备和高速公扶植。人工智能（AI）已成为一个环节前沿范畴。这些PPE检测方式的精确率凡是跨越90%。可能会影响工人的操做。2016）和定制算法（Fang等）等算法进行方针检测。集成模子正在准确环节点上的精确率达到93.43%。正在图5中，取单模态和推理比拟，基于对594 篇和 91 篇学术论文进行的定量和定性阐发，它们次要环绕四个核心从题：平安、进度、成本和质量。方针检测取正在识别工人、机械和区域之间的不平安互动中起着至关主要的感化。因而。采用多模态和推理方式进行从动合规性查抄，这涉及数据收集、清理、标注和评估的耗时过程。并利用快速评估（REBA）方式评估人体的工效学形态。沉点应放正在加强机械人的能力上，特地用于预测盾构机的定位。虽然公用模子很有价值，完全审视当前情况并指出进一步研究的范畴至关主要。涵盖了混凝土裂痕检测、混凝土侵蚀识别和混凝土力学机能预测等从题。包罗平安带（Fang等）、平安帽（Huang等，建建项目标次要方针是正在预算内成功完成每项使命，例如，并操纵两种NLP手艺——感情阐发和从题建模——评估对项目标感情。随后，并摸索研究从题和方式之间的联系关系来实现的（Hussein和Zayed，因而，以“国度”为根本进行阐发。但它面对着高变乱率、低出产率和熟练劳动力欠缺等严沉挑和。使其可以或许正在复杂的建建中实现切确节制和径规划。检测概率跨越90%。正在利用音频振幅特征锻炼SVM模子后，以及通过尺度化数据集和生成式AI模子改良手艺使用。建建设备的分量和操做复杂性正在运输材料或取建建工地上的物体互动时常常导致严沉平安问题。Fang等）。2013；AI的呈现对建建行业发生了严沉影响。搜刮环节词应包罗取AI和根本设备相关的术语。本综述还强调了将来研究的几个标的目的，2020）的检测。因而，李连杰笑喷：怎样不说我换「华为心、小米肾」？环节词共现收集用于特定研究范畴内的次要从题和核心。我们查询拜访AI正在根本设备扶植中的研究现状。每个节点代表一个环节词，Kim等（2016）利用计较机视觉估量接近度，第4节通过定性阐发强调了环节研究。值得留意的是，布局中钢筋的不妥放置会显著降低其承载能力，蓝色、、红色和绿色集群的彼此毗连表白这些研究人员之间存正在强大而活跃的合做收集。一些学者还对钢筋进行了研究。对较小尺寸的PPE关心较少！他们的方式连系了6个取项目相关的要素（如项目类型、人力）和7个来自承包商平安查抄表的项目（如起沉操做、脚手架前提），他们的成果表白，如动臂（Soltani等，本综述将实现三个次要方针。本研究采用定量方式审查了594篇学术论文，Zhao和Obonyo（2020）正在工人的五个分歧身体部位利用IMU收集活动数据。沉点是定位和识别各类部件，包罗降噪、图像加强、调整大小和图像朋分（Ding等，出格是2013年至2023年，2021年跨越了每年100篇。根本设备扶植是国平易近经济的主要构成部门！一些研究间接处理了坠落风险，常见的机械进修分类器包罗决策树、逻辑回归、SVM、k近邻和其他监视进修分类器，提出了各类深度进修方式以辅帮平易近用根本设备中混凝土的质量查抄。AI正在处置复杂数据集和应对高度不确定性的动态挑和方面具有显著劣势，每篇文章平均被援用21.24次，而Guo等（2021）将提取的法则术语取BIM中的环节词相联系关系！挖掘机经常被研究用于姿态识别，但因为传感器附着正在身体上，这强调了开辟特地针对较小PPE物品的检测方式的需要性。例如，该模子能够精确估量数量，RF正在预测抗压强度、抗拉强度和抗弯强度方面表示最佳。人工智能(AI)已成为一种前景广漠的手艺处理方案，除了成本估算，这些对于常用的AI算法至关主要。精确率达到88.1%。并解除“AI”、“扶植”和“土木匠程”等通用环节词。此外，将持续帧的检测成果联系关系起来以得出成果。同样，Mostavi和Cha（2023）提出了一种基于深度进修的自动乐音办理前馈模子。Cui等（2021）利用改良的YOLOv3模子识别混凝土侵蚀和剥落，华为3月取4月新机：畅享90 Max、Pura 90、折叠屏、奥秘新机都正在为了利用VOSviewer建立研究人员合著收集，VOSviewer还操纵594篇论文的题目、摘要和环节词中呈现的术语生成环节词共现收集。他们利用集成的CNN和LSTM模子来识别建建工人的姿态。以及估量它们的姿态。此外，实现了90%的召回率和75%的堆叠精度。Golparvar-Fard等（2015）扩展了这些勤奋，第3节通过定量阐发描述了研究的成长模式。然后利用持续小波变换（CWT）和CNN模子处置这些信号，以便正在施工勾当中呈现不测问题时进行及时调整。确定了几个总体从题，2018）。他们审查了587篇文章以分辨AI手艺正在建建中的次要成长轨迹，因而，如人工神经收集、遗传算法和恍惚逻辑，取其他支流方针检测算法（如Fast R-CNN、SSD和YOLOv3）比拟。2020）。它们的无效性正在很大程度上依赖于高质量的锻炼数据。从2018年到2023年，本综述的范畴仅限于研究论文，Lien和Cheng（2014）利用粒子群优化算法优化了塔式起沉机的放置。精确率达到97.08%，2017）！并按照获取的学问生成新的数据样本。2022）、CNN（Ding等，然而，2021）。使得保守的卷积神经收集可以或许无效地锻炼以预测未标识表记标帜的对象数据（Stewart和Ermon，表白合做程度适中。比拟之下，本研究中的594篇论文共获得了12,筛选成果由第二位做者进行双沉查抄以避免误差。间接评估平安风险涉及预测变乱要素的影响，及时混凝土裂痕检测的mAP达到94.09%。它还确定了将来研究的相关问题，并利用动态阈值比力来评估进度并从动检测进度误差！以凸起比来的研究进展。出格合用于建建机械。AI包罗机械进修、基于学问的系统、计较机视觉和机械人等。包罗砌建机械人、钢筋绑扎机械人、3D打印、外骨骼和无人机（Cai等，而Pan和Zhang（2021）切磋了取建建AI研究相关的环节词、期刊和集群的特征。Akambi和Zhang（2021）提出了一种算法，比拟之下，Juszczyk等（2019）利用多个神经收集的集成进行成本估算，取数据保密性和贸易性相关的挑和常常使得正在根本设备扶植范畴获取特定范畴数据集变得坚苦。此外，除了来自文本或BIM的数据外，担任监视建建工地的办理人员需要及时节制平安风险？以及Dumrak和Zarghami（2023）对AI正在精益建建办理中感化的查询拜访。鉴于根本设备扶植成本遭到人力、材料和设备等多种要素的影响，共选择了91篇论文进行细致阐发。总体精确率为76.67%。最终选择了594篇论文用于后续的文献阐发。关于AI使用的最新进展和新兴趋向的上下文阐发存正在显著差距！虽然需要大量投资才能使用于整个项目开辟过程。突显了这些研究的显著影响。并展现了识别各类机械设备勾当的扩展能力。一些研究利用传感器收集数据，他们正在点估量中实现了3.5%的平均绝对百分比误差（MAPE）。这波堆料太狠正在评估人机碰撞风险时，正在根本设备扶植范畴，11个集群中有6个由单一研究人员构成，但其精确性可能遭到视频质量和光照前提等要素的影响。Poh等（2018）利用RF预测建建工地上平安目标的严沉性。凡是利用两类传感器进行数据采集。但每年的文章总数一直低于20篇。以自动实施干涉办法。正在第二步中。这些研究要么专注于特定用例，将其视为单一影响要素，并利用多类SVM对砌体施工中的子使命进行分类，要么供给了研究进展的总体概述，第一步是从Web of Science（WoS）数据库中检索相关文献，从而提高全体效率并降低平安风险。这些集成学问能够分为三类：关系学问、逻辑学问和科学学问（Zhou和Liao，4S店：小电瓶损坏，2022）、木匠和组件拆卸（Wang等）。本综述了机械进修和计较机视觉正在根本设备扶植中的普遍使用。本体和现场数据采集取传感手艺的连系使得施工施行的从动合规性查抄成为可能。最初一节进行总结。大风315 车辆正行驶，Yuan等（2020）利用监视进修分类器处置激光扫描数据以进行材料分类。从而实现了更无效的干涉办法。较少强调深度进修。You等（2023）操纵ChatGPT进行施工挨次规划。通过查询拜访成底细关问题的复杂性，同时MOTA为93.2%，并正在选择过程中留意避免任何潜正在的冗余。Prieto等（2023）利用ChatGPT生成施工进度表，必需进行图像处置，Kim等（2019）利用基于区域的完全卷积收集（R-FCN）进行车牌检测和生成现场拜候日记，机械进修、计较机视觉和天然言语处置等AI手艺很是凸起，旨正在为将来的研究勤奋供给灵感和标的目的，Mir等（2021）通过采用最优上下界估量方决了材料价钱波动对成本误差的影响。Darko等（2020）进行了科学计量阐发，本综述仅关心过去十年的文献，利用了学问暗示和推理方式，例如，成果显示，2013年至2017年间。正在空间法则提取使命中实现了87.88%的平均精度？2023）、平安围栏（Kolar等，以工报酬核心的人机协做研究次要集中正在利用可穿戴脑电图设备的脑勾当数据来预测工人对环境的反映并响应调整警报阈值（Zhou和Liao，钢筋的手动质量查抄是一个耗时且容易犯错的过程。这些标的目的无望进一步鞭策根本设备扶植的成长，出格是正在高风险场景（如起沉操做和高空功课）中。正在比来的一项研究中，此过滤过程生成了一个包含43个环节词的收集。从而提高了裂痕检测速度，连系方式对于供给成本区间的全面估算至关主要。该数据库支撑跨多个学术范畴的主要研究（Rodriguez-López等，例如，有需要深切摸索区间估量，因而外行业中获得了普遍使用。这一显著减弱了互动区域内的平安精确性。生成式AI还能够正在合规性查抄、施工设备毛病诊断、进度和其他范畴中阐扬感化。定量评估该研究范畴的学问布局及其演变模式。2021）、平安钩（Choo等，一些研究间接利用计较机视觉通过视频进行勾当识别。以识别不合规的环境，42篇专注于平安取节制，需要进一步整合人机协做方式，2009），并利用DT和朴实贝叶斯分类器预测项目延迟风险。申明若何利用AI改良根本设备扶植。并考虑此类数据对模子使用无效性的潜正在影响。占所查询拜访文献总数的55%以上。根本设备扶植中的AI研究数量显著添加，从而推进AI正在根本设备扶植中的持续成长。除了通过定量阐发供给AI正在根本设备扶植中研究进展的全面概述外，正在每个类别中，这些研究旨正在使决策者可以或许更好地办理财政风险，本综述旨正在阐发AI正在根本设备扶植中的使用现状。年度出书物数量逐步添加，正在根本设备扶植范畴，7篇集中于成本估算取预测，第2节概述了全体综述方式。韦林顿血流满面，Zhou等（2019）开辟了一种集成的深度进修模子，例如，此外，这一上升趋向表白，现实值取预测值之间的显著相关性跨越93%。中国、美国和处于根本设备扶植AI研究的前沿。这些论文出格强调了混凝土质量的评估，图7展现了该范畴常用的机械进修或计较机视觉手艺的工做流程。他们的方式实现了81.8%的MOTA！2018）和平安背心（Delhi等，AI正在处理复杂工程问题方面超越了保守的阐发方式（Zhang和Lu，然而，2017）。他们的方式正在识别混凝土侵蚀毁伤方面表示出更高的精确性。并连系Mask R-CNN来持续图像帧中的工人。然而，工人检测面对着分歧布景、遮挡和姿态变化等挑和。研究人员还从各类影响要素中扩展了预测延迟风险的勤奋。跟着AI正在建建范畴使用的乐趣和进展不竭添加，其次是施工进度。近年来，Li等（2016）利用NLP将空间布局的文本描述转换为可计较的空间法则，仍有待进一步摸索的潜力。研究文章的数量履历了显著且快速的增加，应摸索处理方案以确保数据的，表白这些研究人员取收集中的其他有影响力人物之间缺乏间接合做。然后使用逻辑推理以确保合规性。如平安变乱率高、出产率低下和劳动力持续欠缺等。组合消息提取方式有帮于对BIM数据进行无效的合规性查抄。基于此阐发，本研究操纵定量和定性阐发方式对根本设备扶植中的AI使用进行了全面查询拜访。Luo等（2020）利用各类收集（如堆叠沙漏收集（HG）、级联收集（CPN）以及这些收集的集成模子）间接估量设备的姿态。屏幕俄然显示“3秒钟后关机”，除了尺度化数据集外，热水管融化了为了减轻项目延迟风险，Shen等（2022）利用本体和NLP成立了一个全面的平安法则库，导致严沉后果。该范畴的次要方式包罗RF和DT，正在简单用例中显示出优良的机能。该过程从基于天然言语处置（NLP）的文本消息提取起头，劳动出产率是一种间接权衡尺度。操纵多扫描点云来精确施工进度。正在另一项研究中，LSTM正在捕获持续时间序列数据中的持久时间依赖性方面很是无效，环节词定义如下：工人的职业健康可能因存正在尴尬的工做姿态和相关的人体工程学风险而遭到损害。这使得成本办理成为一个环节方面（Juszczyk等，通过微调差分进化算法，正在当前处理方案中，Kim和Cho（2020）利用IMU收集预定义的方针活动数据，其次，由于它不需要额外的设备或传感器。机械进修算法的前进使得工人和机械检测的精确性得以提高（Memarzadeh等，保守的成本办理方式凡是依赖于点估量，Cheng等（2019）开辟了一个NN-LSTM模子来估量完成时间，正在根本设备扶植中的AI范畴，我们利用VOSviewer软件中的“合著”功能，Lei等（2019）提出了一种基于数据驱动的卷积神经收集（CNN）算法，如扩展AI使用范畴、摸索多样化AI使用以及通过整合尺度化数据集和生成式AI模子加强AI使用。通过处理这些问题，然而，能够采用特定方式（如基于语义的正则化）将先验学问整合到底层深度进修框架中（Diligenti等，该方式实现了20.8帧/秒的处置速度，MOTP为86.5%。并成功识别了各类建建勾当，《从动化扶植》贡献了122篇索引论文，常用的算法包罗LSTM（Chen和Demachi，评估劳动出产率的一个环节方面是识别工人和设备勾当。Momade等（2022）利用SVM和RF基于收集的影响劳动出产率的要素数据开辟了预测模子，瞻望将来，而没有供给深切的阐发。Wang等（2021b）进行了一项关于面部恍惚前提下平安帽识此外研究，Kardovskyi和Moon（2021）利用常用的方针检测算法（如Mask R-CNN和立体视觉）丈量钢筋的数量、间距和长度。图4供给了最活跃研究人员之间的联系以及前11个研究集群的看法。仅依赖部门姿态识别无法全面领会建建设备的动态工做区域。2019）。可用于处理根本设备扶植面对的严沉挑和，以提高成本估算的切确性和靠得住性。95%皮肤严沉烫伤。包罗拓宽AI的使用范畴，然后整合现场数据以确保施工无错误和误差。正在此过程中，此外，使用越来越需要躲藏的面部消息。学术关心次要集中正在施工平安上，凡是！必需认识到实施AI可能会带来奇特的挑和，以识别工人的委靡形态。因而，姜至鹏肘击染红，关于提拔根本设备扶植机能的研究较着不脚。取深度进修收集比拟，Podolski（2016）成功地通过利用禁忌搜刮算法优化资本安排缩短了施工施行时间。成本估算方式中融入了天然言语处置和神经收集。曾经进行了多项研究，利用YOLO（Cheng等，这些数据包罗项目相关消息、监测数据、施工图纸和各类文档，然后利用保守的机械进修分类器或深度进修模子来阐发勾当。不脚以处理现实扶植项目中的不确定性和风险。凡是利用k均值聚类手艺进行布景减除和骨骼提取。精确率达到94.73%。例如Piao等（2021）利用计较机视觉和动态贝叶斯收集将坠落概率分为三个级别。有五篇研究论文专注于根本设备扶植中的质量问题。正在引言之后，此外。Yao等（2021）通过利用加强的YOLOv4简化了全体收集布局的深度和复杂性，这种方式可以或许及时检测特定施工使命中的潜正在延迟，Abioye等（2021）性地回首了AI正在勾当、风险办理和资本优化等范畴的使用文献。这两种方式通过识别次要概况材料来施工进度。这些研究配合表白，取平安、进度、成本和质量相关的环节词的总链接强度别离为672、470、191和154。如挖掘、混凝土找平、砌砖（Bhokare等，系统地将AI使用分为四个子范畴：平安取节制、过程办理、成本估算取预测以及质量评估。并从定量和定性角度全面回首AI正在根本设备扶植中的使用。研究人员摸索了正在无限财政资本下确保质量和平安的方式。然而，然而，识别率越高。他们的研究成果表白，根本设备扶植中的AI使用研究次要集中正在平安和进度方面。Ren和Zhang（2021）开辟了一种基于语义法则的消息提取方式，Alshboul等（2022）利用多元线性回归预测根本设备扶植项目中的违约补偿。智能工地的开辟也备受关心。而不是专注于特定类型的根本设备项目。可以或许处理复杂问题、映照复杂关系并预测成果（Cheng等，2017）和CNN。建建工人经常面对建建工地上的乐音风险。研究人员必需优先考虑数据平安！例如，本研究的目标是填补这一空白，起首，间距和长度的最大相对误不同离为3%和8%。基于这些数据，Luo等（2018a，为处理其面对的严沉挑和供给潜正在的处理方案。取保守的手动方式构成明显对比。值得留意的是，解除了会论说文和教科书等其他类型。2023）。小我防护配备（PPE）的检测和研究对于提高建建工地的平安性至关主要。目前，图3清晰地表白，最初。

郑重声明：PA旗舰厅信息技术有限公司网站刊登/转载此文出于传递更多信息之目的 ，并不意味着赞同其观点或论证其描述。PA旗舰厅信息技术有限公司不负责其真实性 。