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：硬體配置 (1/2)
- 終端影像擷取：
旋轉式IP攝影機，大範圍擷取現場影像。
- 獨立能源系統(亮點)：
「太陽能供電支架」，克服缺乏實體電網痛點。
專題實作：網路傳輸 (2/2)
- 遠端通訊傳輸：
4G LTE模組，影像數據無延遲回傳。
- 物聯網協定：
輕量化MQTT協定，確保低頻寬穩定交換。
專題實作：AI辨識核心 (1/2)
- 邊緣運算模型：
YOLO視覺核心，即時框列多目標。
- 影像處理框架：
OpenCV切割拼接，建構遠端儀表板。
專題實作：模型訓練 (2/2)
- PPE特徵訓練：
收集工地圖庫，進行安全帽帶深度學習標註。
- 後端接收處理：
Python腳本，持續送入模型推論。
專題實作：動態追蹤 (1/2)
- 動態行為與軌跡：
追蹤演算法計算移動，判定不安全行為。
- 地理圍欄技術：
劃定「高風險區域」，闖入即啟動警示。
專題實作：自動化警示 (2/2)
- 即時推播API：
整合 LINE Notify API 即時推播。
（註：此服務已停用，未來將以相似功能之服務取代）
- 一秒內通報：
發送真實違規訊息，如：
【佩戴裝備異常】人員未佩戴安全帽進入！
並附帶現場截圖。
法規落地對應：職業安全衛生設施規則 (1/2)
- 第 278 條 (危險物處置)：
法規明定處理危險物時，必須確實著用安全帽與防護衣帽。
- 系統對應與解決方案：
導入 YOLO 邊緣運算進行全天候 AI 監測，完美填補人工巡檢的空窗期，將法律風險控管數位化。
法規落地對應：職業安全衛生設施規則 (2/2)
- 第 280 條 (飛落物防護) & 第 286-2 條 (高危外勤)：
針對飛落物危害及天災高風險外勤，嚴格要求佩戴安全帽及配置通訊設備。
- 系統對應與解決方案：
透過 MQTT 結合 LINE Notify API，異常時 1 秒內自動發送圖文警示，實現即時通報與數位蒐證。
系統核心價值與跨場域應用
- 跨領域技術深度整合：
成功將硬體感測(IP Cam/太陽能)、通訊(MQTT)、AI視覺模組(YOLO與OpenCV)與API(LINE)進行無縫縫合。
- 克服環境干擾與高彈性架構：
針對工地反光與粉塵，透過資料擴增(Data Augmentation)大幅降低誤判率。且架構不僅適用營造工地，亦可轉作「智慧工廠 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 / 13
