随着城市建设的飞速发展,相对粗放的传统建筑工地管理模式,已经无法匹配如今高效、绿色的建筑要求。为从根本上解决传统工地“人管人”的问题,烽火推出了智慧工地整体解决方案,围绕工地“人、机、料、法、环”五大核心管理要素,利用云计算、物联网、大数据和人工智能等技术手段,实现设备互联、场景互联,打造集绿色工地、安全工程、互联协同、智能管理于一体的智慧工地平台。
人员规范管理
工人佩戴的安全帽中安装集成了NB-IOT、蓝牙等技术的智能芯片,通过信标硬件,实现色谱工地区域识别。当信标接收到工人佩戴的智能安全帽信号,平台即可根据色谱工地区域识别信标的位置,以此判断工人位置,实现对工人的定位、监管,包括安全帽佩戴管理、自动考勤、人员定位、轨迹跟踪、禁区告警、特殊工种作业管理、一键呼叫等功能,真正做到“人帽合一”,全面实现人员管理的智能化,减少人员事故80%。
机器监测预警
利用物联网技术对危大工程的关键数据进行实时监测,对塔吊的运行过程、人员操作进行识别,对高支模、升降机器的载重进行实时的监测。当出现异常情况时,通过数据融合处理分析模型,实现对危大工程的风险预估、告警联动、隐患推送,大大加强对危大工程的风险管控,使安全隐患处置效率提高75%。
原料登记管控
通过建立管控系统和预警系统,对原材料的管控和运输进行分类统计上传,同时对卸料平台进行监测,如发现异常,会通过声光报警向后台传输预警信息,做到有据可依。同时,在进出口安装远程视频设备,对来往运输车辆进行自动抓拍,使进出车辆有记录可查。对未达环保要求的车辆,信息会实时上传至平台,并通过消息告知现场责任人迅速采取措施,实现问题快速闭环。
管理方法高效
采用“隐患随手拍”的方式上传现场隐患照片,自定义审批流程,项目管理人员提交问题,提醒相关人员及时整改,消除安全隐患,事件可按文明施工、材料管理、成品保护、安全生产进行追溯、处理、统计。支持WEB端和手机端查看数据和照片,并在后台对问题进行分类统计和数据分析,提高管理效率,使问题处理时间缩短80%。同时,可以对人员制定不同的巡检任务,记录巡检图片信息和巡检路线等数据,提供智慧化管理。
环境预警联动
系统适用于各类场所,对环境数据实时监测,包括扬尘浓度、噪音指数、温湿度及视频画面。通过物联网及云计算技术,可实现实时、远程、自动监测颗粒物浓度及数据网络传输的功能。扬尘系统在数据超标时,会自动启动预设预案,触发现场喷淋系统进行降尘工作,并通知管理部门,实现人机联动,保障了人员的健康。
面对以智能化、数字化为核心的新基建,新型智慧工地应用不仅能够助推信息化应用的突破性发展,还能促使新技术、新手段在建造行业中得到更好地发挥。烽火通信将继续坚持高标准建设,以高水平目标定位,加速推进建造行业数字化转型。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。