技術實作與系統架構分析報告
未來建築：智慧工地的安全革命
第21屆 育秀盃數位應用類 銅獎作品解析
報告人：資訊科技系 洪益華
簡報大綱
- 壹、硬體配置與網路通訊架構
- 貳、系統核心運作實際展示
- 參、軟體核心：AI 辨識與模型訓練
- 肆、動態邏輯追蹤與自動化警示
- 伍、系統核心價值與法規落地總結
專題實作方式：硬體配置 (1/2)
- 終端影像擷取：
採用旋轉式IP攝影機，大範圍擷取現場高解析度影像。
- 獨立能源系統(亮點)：
整合「太陽能供電支架」，完美克服營造工地初期缺乏實體電網的痛點。
專題實作方式：網路傳輸(2/2)
- 遠端通訊傳輸：
透過4G LTE網路模組，將影像數據無延遲回傳至伺服器。
- 物聯網協定：
採用輕量化MQTT協定，確保低頻寬下仍能穩定交換資訊。
專題實作方式：AI辨識核心(1/2)
- 邊緣運算模型：
採用YOLO演算法作為視覺核心，能即時框列多個目標。
- 影像處理框架：
搭配OpenCV進行影像切割拼接，建構遠端監控儀表板。
專題實作方式：模型訓練 (2/2)
- PPE特徵訓練：
收集工地實景圖庫，針對「安全帽」與「安全帶」進行深度學習標註。
- 後端接收處理：
伺服器撰寫 Python 腳本，持續將影像送入模型進行推論。
專題實作方式：動態追蹤(1/2)
- 動態行為與軌跡：
透過物件追蹤演算法計算人員移動軌跡，判定不安全行為。
- 地理圍欄技術：
以程式碼劃定「高風險區域」，人員闖入即啟動警示。
專題實作方式：自動化警示 (2/2)
- 即時推播API：
系統後端深度整合LINE Notify API服務。
- 一秒內通報：
發送真實違規訊息，例如：
【佩戴安全裝備異常】人員未佩戴安全帽進入！
並附帶現場截圖。
系統核心價值與法規落地 (1/2)
- 跨領域技術整合：
成功將硬體感測(IP Cam/太陽能)、通訊(MQTT)、軟體(YOLO)與第三方API(LINE)進行深度縫合。
- 精準對應法規：
系統邏輯直接對應《勞工安全衛生設施規則》第 278、279、280、286-2 條，將法律風險控管數位化。
系統核心價值與法規落地(2/2)
- 克服環境影像干擾：
針對工地反光與粉塵，透過資料擴增(Data Augmentation) 訓練以降低誤判率。
- 跨場域應用價值：
架構具高度彈性，不僅適用營造工地，亦實證可作為「智慧工廠(Smart Factory)AI中心回報器」。
報告完畢
未來建築：智慧工地的安全革命
感謝老師與各位同學的聆聽與指教
1 / 12
