干工程出身的,最近对「AI 到底怎么落地干活」特别上头。这篇不聊虚的,就拆一个问题:AI 在工地上是怎么干活的——它怎么「看」出谁没戴安全帽,审图时到底在比什么,资料的闭环又是怎么被它盯住的。材料都是公开报道和论文里能查到的,同行看同行,不吹不黑。
先说个很有画面感的场景。安全员的手机突然震了一下,推送写着:「A 区 3 号点位,发现未佩戴安全帽行为,请及时处理。」这不是段子,是中国中铁官网写出来的项目日常:中铁七局在郑州的中欧班列多式联运智慧集散分拨中心项目,装了智能隐患抓拍系统,视频监控覆盖施工区域,能识别未戴安全帽、跨越防护栏等多种违章行为,再把消息推到安全员手机上等着整改销号。我们这行都知道,工地最怕的不是没制度,是人盯人总有眨眼的时候——AI 摄像头的价值就一条:它不眨眼。
第一层:安全帽识别到底是怎么「看」出来的
先把原理说透,因为不理解原理,就理解不了它为什么会误报、为什么有的工地用着好用、有的工地装完就关了。
安全帽检测本质上是个目标检测问题:模型要在一帧画面里同时干两件事——把「人头」这个框找出来,再判断框里有没有安全帽。主流做法是 YOLO 系模型(You Only Look Once):一张图一次前向推理,直接输出所有框和类别,速度够快才能跟上实时视频。国内一篇 2025 年的论文(《基于深度学习的智慧工地安全帽检测算法》,《计算机应用文摘》)用的就是 YOLOv5s 的改进版,针对的正是工地上的三个难处:目标小(远处的人头在画面里只有几十个像素)、特征不完整(被脚手架、塔吊挡住一半)、干扰多(光照一变、安全帽颜色一换就容易认错)。它的改进思路也直白:多尺度特征提取——让模型同时看大图和小图,不让小目标在层层卷积里丢掉;特征重构——把不同层的特征重新拼起来,提高对遮挡和远距离的鲁棒性。
论文里的数字要会读。国外一篇同行评议研究(Ferdous & Ahsan, PeerJ Computer Science, 2022)在公开的 CHVG 数据集(1,699 张图、11,604 个标注物体,含 4 色安全帽、安全背心、头部、身体等 8 类)上测得 YOLOX-m 的 mAP 为 89.84%。mAP 是「位置准不准 + 类别对不对」的综合分,89.84% 听着很高,但那是公开数据集上的成绩,不是你家工地的成绩。换一个工地,安全帽的颜色、工人的衣服、摄像头的角度、光照全变了,精度就会掉。更关键的是,mAP 不直接等于「漏检率」——安全场景里真正要命的两个数是:没戴帽子的人被漏掉了几个(漏检),和戴了帽子却被误判成没戴、一天弹几十条(误报)。误报一多,安全员就会把推送静音,系统等于白装。所以落地的正确姿势不是「买个通用模型装上」,而是拿自己工地的录像做追加训练(微调):几百张本工地的图、标好框,再训一轮,模型才认得你家那款帽子、那个角度。还有一个常被忽略的前提:摄像头有没有死角。模型再准,拍不到的地方就是盲区——入口闸机处正面近距离判一次、作业区内常时监视,是两种不同的布点思路,混着用才对。
推理放在哪也有讲究:一般是边缘推理——摄像头附近放一台小主机或直接用 AI 摄像头本地算,只把「判定结果 + 几秒短视频」传回平台,不把全天录像都往云上推。这样延迟低、带宽省,断网时本地还能先记着。
把这套机制套回中铁七局那个项目,就能看懂它的分量:识别未戴安全帽、跨越防护栏,是同一类目标检测换了个检测对象;「AI 十不吊」(吊物周边有人、长短料混吊、超载大风直接提醒并锁止)则是检测结果接上了控制——不是只报警,而是真上手拦。中铁建工青岛那个项目也一样:视频 AI 识别未戴安全帽、危险区域入侵,秒级报警;火灾识别盯明火和烟雾;塔机、升降机实时采幅度、载重、风速,算法提前研判防碰撞和超载。注意这里的分工:AI 负责「找全、报快」,人负责「处置、签字」。报警推到手机上、整改要销号,闭环的最后一步还是人。
第二层:BIM 审图,机器到底在比什么
干过机电、设备系统推进的都懂,管线和结构在现场打架,返工的钱和工期都是真金白银。广联达的 BIM 施工图智能审查系统,是把规范条文变成机器能算的规则,用 AI 查图模是否一致、构件的位置和属性对不对、管线有没有碰撞,审查意见直接定位到三维模型上,不用再对着平面图脑补空间关系。这套系统已经在温州、广州、福建等地落地:温州的系统 2023 年正式上线运行,广州那边还联合制定了图模一致检查的地方标准、开发了配套工具。
「把规范变成规则」这句话,拆开其实是三步,每一步都有坑:
1. 把图纸变成结构化数据。二维图纸本身不是数据,是线条和文字。系统要先从图纸里抽出构件类型、尺寸、位置、标注——这一步靠规则提取(比如正则表达式抠标注)加模型识别,抽不准后面全错。
2. 把 BIM 模型变成同一套语言。BIM 模型一般导出成 IFC 格式,再转成带属性的构件清单:这根梁是什么材料、多长、在哪层。图纸和模型原本是两种表达,不先统一到同一套「构件 + 属性」的语言里,根本没法比。
3. 按规范逐条比对。规范条文(比如「某类构件间距不得小于 X」)被写成可执行的审查代码,系统逐条跑:这个构件在图纸上的位置和模型里的位置对不对、属性对不对、管线和结构撞没撞上。学术界有一种做法是把规范和图纸、模型都建成知识图谱——图纸本体、模型本体先各自建起来,再语义融合、抽审查点(见 2024 年《土木建筑工程信息技术》刊载的 BIM 与知识图谱自动审查方法,以及 CN112784345B 专利的图模一致性审查思路)。这里要如实说一句:这只是「这类系统通常的做法」之一,广联达那套具体用的是哪种实现,我没有拿到它的技术白皮书,不替它认领。但逻辑是通的:审图 AI 的核心不是「看图」,而是「把文字规范变成算式,再拿图纸和模型两边的数据去套算式」。
所以它干的是审图员最重复、最容易看漏的那部分:逐条核对、逐个定位。但它替代不了审图员的判断——规范里有大量「宜」「应结合实际情况」这种需要人解释的表述,机器只能处理那些能写成死规则的条文;剩下的,还得人来。
第三层:资料整理,AI 擅长的是「盯闭环」
这块最不显眼,但干过资料和验收流程的都知道有多熬人。中建西南院自研了一个智能造价数据库平台:报价单、认质核价单这类格式各异的原始资料丢进去,系统自动解析、抽字段、换算单位、入库分类,清单数据也做标准化处理,还能用自然语言直接查材价,最后形成「AI 初审—人工复核—专家反馈」的闭环,重复性工作量据称能减少三到四成(数字未核实,单源口径)。中铁七局的安全平台也一样:巡检发现的问题用手机下发整改通知单,推给责任人限时整改,每个隐患有记录、有跟进、有销号。
资料这活的本质就是闭环,AI 恰好擅长盯闭环:解析(把非结构化文件变成字段)→ 入库(分类、换算、标准化)→ 检索(自然语言问、按字段查)→ 复核(人签字)。省掉的是「搬运、抄录、翻找」这三段体力活,留给人的是「这个数对不对、这个价能不能认」。
好处、别扭与成本账
好处摊开说:24 小时不漏检、审图不靠肉眼硬扛、资料不再靠人肉搬运。别扭也得摊开:
· 误报疲劳是真实存在的。报道里一线的人自己就提了,烟火识别这类算法在复杂工地容易受干扰、误报多了会闹出「警报疲劳」——安全员开始不看推送,系统就失效了。解决办法不是调高阈值一刀切,而是按点位、按时段分别调阈值,并且先在小范围跑一周,数清楚每天误报几条、漏检几条,再全场铺开。
· 前期投入不低,中小工地未必玩得起。摄像头、边缘主机、模型微调、系统对接,都是钱;而且各项目数据分散、标准不统一,模型喂不饱,效果就打折。大工地摊得薄,小工地可能只值得先上「入口闸机 + 安全帽」这一个单点。
· 责任落在哪,要提前说清。AI 说「没事」的那部分,出了事算谁的?目前的共识是:AI 出的是「建议」,签字担责的还是人。审图、造价、安全的签字权都没有、也不应该交给模型——这一点写进合同和流程里,比技术本身更重要。
所以我的判断是:短时间内 AI 替代不了安全员和资料员,它替代的是「巡、数、抄、核」这些动作,人往后退一步,专门负责处置、复核和签字担责——签字的那个人,还得是人。
问一句同行:你们现在的工地用上哪一层了?是只有个智慧工地大屏撑门面,还是 AI 报警真能推到安全员手机上、逼着整改销号了?如果你们那儿也装了安全帽识别,误报多不多——一天大概几条,安全员还看推送吗?

