ĐẠI HỌC QUỐC GIA TP. HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

NGUYỄN VIẾT THÀNH VINH

KIỂM SỐT CÁC CƠNG TÁC LẮP ĐẶT HỆ MẶT DỰNG
VÀ AN TỒN LAO ĐỘNG KHI THI CƠNG TRÊN CAO
BẰNG PHƯƠNG PHÁP LAI GHÉP TRÍ TUỆ NHÂN TẠO

Chuyên ngành: Quản lý xây dựng
Mã số: 8580302

LUẬN VĂN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 07 năm 2023


Cơng trình được hồn thành tại:
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH

Cán bộ hướng dẫn: PGS. TS. TRẦN ĐỨC HỌC

Cán bộ chấm nhận xét 1: PGS. TS ĐỖ TIẾN SỸ

Cán bộ chấm nhận xét 2: TS. ĐẶNG NGỌC CHÂU

Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa,
đại học Quốc gia TP. HCM ngày 13 tháng 07 năm 2023
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
1. PGS. TS LƯƠNG ĐỨC LONG - Chủ tịch hội đồng

2. TS. LÊ HOÀI LONG - Thư kí hội đồng
3. PGS. TS ĐỖ TIẾN SỸ - Cán bộ phản biện 1
4. TS. ĐẶNG NGỌC CHÂU - Cán bộ phản biện 2
5. TS. NGUYỄN VĂN TIẾP - Ủy viên

CHỦ TỊCH HỘI ĐỒNG

TRƯỞNG KHOA
KỸ THUẬT XÂY DỰNG


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

ĐẠI HỌC QUỐC GIA TP.HCM
TRƯỜNG ĐẠI HỌC BÁCH KHOA

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc Lập - Tự Do - Hạnh Phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ và tên học viên: NGUYỄN VIẾT THÀNH VINH
Ngày, tháng, năm sinh: 23/11/1996

MSHV: 2170282
Nơi sinh: TP.HCM

Chuyên ngành: Quản lý Xây dựng
I. TÊN ĐỀ TÀI:


Mã số: 8580302

KIỂM SỐT CƠNG TÁC LẮP ĐẶT HỆ MẶT DỰNG VÀ AN TỒN LAO ĐỘNG KHI
THI CƠNG TRÊN CAO BẰNG PHƯƠNG PHÁP LAI GHÉP TRÍ TUỆ NHÂN TẠO
SAFETY CONTROL OF FADE SYSTEM INSTALLATION USING HYBRID
ARTIFICIAL INTELLIGENCE METHOD
II. NHIỆM VỤ LUẬN VĂN
-

Thu thập bộ dữ liệu liên quan đến công tác lắp đặt hệ mặt dựng và các thiết bị bảo
hộ lao động khi thi cơng trên cao.

-

Xây dựng mơ hình trí tuệ nhân tạo thông qua ứng dụng phát hiện đối tượng.

-

Phát triển quy trình kiểm sốt cơng tác lắp đặt hệ mặt dựng và an tồn lao động khi
thi cơng trên cao, phân tích đánh giá rủi ro dựa trên độ chính xác mà mơ hình đã đạt
được qua q trình huấn luyện.

III. NGÀY GIAO NHIỆM VỤ

: 06/02/2023

IV. NGÀY HOÀN THÀNH NHIỆM VỤ : 11/06/2023
V. HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: PGS. TS TRẦN ĐỨC HỌC
Tp. HCM, ngày13 tháng07năm2023

CÁN BỘ HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN

TRƯỞNG KHOA

PGS.TS TRẦN ĐỨC HỌC

TS. LÊ HOÀI LONG

PGS.TS LÊ ANH TUẤN

i


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

LỜI CẢM ƠN
Trong quá trình thực hiện luận văn cũng như trong những năm học vừa qua, em đã
nhận được sự chỉ bảo và hướng dẫn tận tâm của thầy PGS. TS. Trần Đức Học. Em xin gửi
tới thầy lời cảm ơn chân thành và sâu sắc nhất.
Ngoài ra, em cũng xin gửi lời cảm ơn tới các thầy giáo, cô giáo, cán bộ, nhân viên
Khoa Thi công và Quản lý Xây dựng, trường Đại học Bách Khoa Thành phố Hồ Chí Minh
đã tận tình dạy dỗ và giúp đỡ em trong những năm trên giảng đường cao học.
Nhân dịp này, em cũng xin gửi lời cảm ơn tới gia đình, bạn bè đã động viên, khuyến
khích và tạo điều kiện cho em trong quá trình học tập và quá trình thực hiện luận văn này.
Do hạn chế về kiến thức, kinh nghiệm, thời gian tìm hiểu và thực hiện nên luận văn
chắc chắn cịn nhiều thiếu sót. Em rất mong sẽ nhận được nhiều ý kiến đóng góp của thầy,

cơ và các bạn để em có được cái nhìn sâu sắc hơn về vấn đề này.
Xin chân thành cảm ơn!
Tp. HCM, ngày13 tháng 07 năm 2023

Nguyễn Viết Thành Vinh

ii


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

TÓM TẮT LUẬN VĂN
Có nhiều yếu tố liên quan đến tai nạn lao động, hiện tượng té ngã là một
trong nhiều nguyên nhân chính gây thương tích và tử vong trong xây dựng. Mặc
dù người lao động đã nhận thức được những nguy hiểm liên quan đến việc khơng
đeo dây an tồn. Tuy nhiên nhiều người lao động lại quên hoặc cố tình không
đeo khi làm việc trên cao. Thiết bị bảo vệ cá nhân phù hợp được nêu trong các
quy tắc an toàn được sử dụng rộng rãi để đảm bảo an toàn cho người lao động.
Trong số các cách thức để đảm bảo an toàn trong lao động, đặc biệt trong q
trình thi cơng trên cao, cơng tác huấn luyện đã được chứng minh là có hiệu quả
trong việc cải thiện đáng kể nhận thức đối với người lao động. Việc đào tạo được
cho là có hiệu quả trong việc giảm thiểu hành vi chấp nhận rủi ro và cải thiện
cách làm việc của công nhân tại công trường xây dựng. Tuy nhiên, cơng tác huấn
luyện về an tồn lao động bằng hình thức giám sát trực tiếp và camera cảm biến
vẫn còn những hạn chế.
Để khắc phục những hạn chế này, trong nghiên cứu này đã sử dụng thuật
toán “Bạn chỉ nhìn một lần” (You only look once – YOLO) mới là YOLOv8.
Với 5 biến thể bao gồm YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l,

YOLOv8x, để kiểm tra an tồn trong q trình thi công lắp đặt hệ mặt dựng. Một
bộ dữ liệu bao gồm 10043 hình ảnh được tìm kiếm và thu thập để thiết lập một
hệ thống giám sát an toàn kỹ thuật số thông qua các giai đoạn huấn luyện và kiểm
tra. Thuật tốn YOLOv8 có tốc độ phát hiện trung bình có thể lên đến 136 khung
hình trên mỗi dây, đáp ứng yêu cầu phát hiện đối tượng tiệm cận với thời gian
thực tế nhất. Nghiên cứu này cung cấp giải pháp tối ưu khi mơ hình sẽ được lưu
trữ trên máy chủ đám mây và thông báo tự động đến người quản lý. Do đó phương
pháp tiếp cận trên thị giác máy tính được phát triển để hỗ trợ người quản lý an
toàn và xây dựng cơ chế chủ động để xác định các đối tượng vi phạm khơng an
tồn, qua đó có biện pháp khắc phục kịp thời để giảm thiểu khả năng gây tai nạn
lao động khi thi công lắp đặt hệ mặt dựng trên cao.
Từ khóa: Lắp đặt hệ mặt dựng, làm việc trên cao, tai nạn té ngã, trí tuệ
nhân tạo, phát hiện đối tượng.

iii


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

ABSTRACT
There are many factors related to occupational accidents, and falling is
one of the main causes of injury and death in construction. Although workers are
aware of the dangers of not wearing safety harnesses. However, many people
forget or intentionally do not wear them when working at height. Personal
protective equipment outlined in safety regulations is widely used to ensure
worker safety. Personal protective equipment (PPE) that conforms to safety
regulations is widely used to ensure worker safety. The effectiveness of training
is believed to reduce risk acceptance behavior and improve the performance of

construction workers on the construction site. However, occupational safety
training through direct supervision and sensor cameras still has limitations. A
dataset of 10043 pictures was searched and collected to establish a digital safety
monitoring system through training and testing phases.
To overcome these limitations, this study used a new technique "You only
look once" (YOLO) which called YOLOv8. With 5 variations including
YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x, we ensure safety
during the construction and installation process of the faỗade system. A dataset
of 10043 was searched and collected to establish a digital safety monitoring
system through training and testing phases. The YOLOv8 algorithm has an
average detection speed of up to 136 frames per second, meeting the requirement
for real-time object detection. This study provides an optimal solution when the
model will be stored on a cloud server and automatically notifies the manager.
Therefore, the computer vision approach has been developed to assist safety
managers and establish proactive mechanisms to identify unsafe violations, there
are measures to be taken promptly in order to minimize the potential for
occupational accidents during the installation of high-rise facade systems.
Keywords: Faỗade installation, working at height, fall-accident, artificial
intelligence, objective detection.

iv


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

LỜI CAM ĐOAN
Tôi xin cam đoan Luận văn “Kiểm sốt cơng tác lắp đặt hệ mặt dựng và an toàn lao
động khi thi cơng trên cao bằng phương pháp lai ghép trí tuệ nhân tạo” là cơng trình nghiên

cứu độc lập, với sự hướng dẫn tận tình của Thầy (PGS. TS) Trần Đức Học từ ngày 06 tháng
02 năm 2023 đến ngày 11 tháng 06 năm 2023
Các tài liệu tham khảo, các số liệu thống kê phục vụ mục đích nghiên cứu của Luận
văn này được sử dụng đúng quy định, không vi phạm quy chế bảo mật của Nhà nước.
Kết quả nghiên cứu của Luận văn này chưa từng được công bố trong bất kì cơng
trình nghiên cứu nào khác ngồi các cơng trình nghiên cứu của tơi.
Tơi xin cam đoan những vấn đề nêu trên là đúng sự thật và chịu trách nhiệm về cơng
việc thực hiện của mình.
Tp. HCM, ngày

tháng

năm 2023

Nguyễn Viết Thành Vinh

v


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

MỤC LỤC
NHIỆM VỤ LUẬN VĂN THẠC SĨ ............................................................................................. i
TÓM TẮT LUẬN VĂN ............................................................................................................... iii
ABSTRACT .................................................................................................................................. iv
LỜI CAM ĐOAN ...........................................................................................................................v
DANH MỤC HÌNH ẢNH .......................................................................................................... viii
DANH MỤC BẢNG .................................................................................................................... ix

DANH MỤC CÁC CHỮ VIẾT TẮT ............................................................................................x
CHƯƠNG 1:

GIỚI THIỆU .....................................................................................................1

1.1. ĐẶT VẤN ĐỀ .............................................................................................................. 1
1.2. ĐỐI TƯỢNG NGHIÊN CỨU ...................................................................................... 5
1.3. ĐÓNG GÓP CỦA LUẬN VĂN .................................................................................. 5
1.3.1. Trên phương diện học thuật ....................................................................................... 5
1.3.2. Trên phương diện thực tiễn ....................................................................................... 5
1.4. CÁC NGHIÊN CỨU LIÊN QUAN TRƯỚC ĐÂY ..................................................... 5
CHƯƠNG 2:

CƠ SỞ LÝ THUYẾT .............................................................................. 9

2.1. TĨM TẮT QUY TRÌNH PHÁT TRIỂN – SƠ ĐỒ KHỐI .......................................... 9
2.1.1. Quy trình phát triển mơ hình .................................................................................... 9
2.1.2. Sơ đồ khối ............................................................................................................... 10
2.2. CÁC KHÁI NIỆM CHÍNH – CƠ SỞ LÝ THUYẾT ................................................. 11
2.2.1. Quản lý thi công lắp đặt hệ mặt dựng..................................................................... 11
2.2.2. Quản lý an tồn lao động khi thi cơng trên cao: ..................................................... 20
CHƯƠNG 3:

QUY TRÌNH NGHIÊN CỨU ....................................................................... 39

3.1. U CẦU BÀI TỐN VÀ HƯỚNG GIẢI QUYẾT ................................................ 39
3.1.1. Yêu cầu bài toán ..................................................................................................... 39
3.1.2. Hướng giải quyết bài toán ...................................................................................... 39
3.2. XÂY DỰNG MƠ HÌNH NHẬN DIỆN THIẾT BỊ BẢO HỘ LAO ĐỘNG (PPE) ... 40
3.3. XÂY DỰNG CHỨC NĂNG NHẬN DIỆN ĐỐI TƯỢNG NGƯỜI (PERSON

DETECTION) – ĐẾM SỐ LƯỢNG VÀ THEO DÕI ĐỐI TƯỢNG (TRACKING) ....... 54
3.4. TÍCH HỢP VÀO VIDEO CLIP THỰC TẾ ............................................................... 59
CHƯƠNG 4:

ĐÁNH GIÁ KẾT QUẢ ................................................................................. 75

4.1. ĐÁNH GIÁ KẾT QUẢ .............................................................................................. 75

vi


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

4.2. NHẬN XÉT, Ý NGHĨA VÀ ĐÓNG GÓP THIẾT THỰC ........................................ 81
CHƯƠNG 5:

KẾT LUẬN VÀ KIẾN NGHỊ ....................................................................... 83

5.1. KẾT LUẬN – KIẾN NGHỊ ........................................................................................ 83
5.2. HƯỚNG NGHIÊN CỨU TRONG TƯƠNG LAI ...................................................... 84
TÀI LIỆU THAM KHẢO ........................................................................................................... 85
LÝ LỊCH TRÍCH NGANG ......................................................................................................... 89

vii


LUẬN VĂN THẠC SĨ


HVTH: NGUYỄN VIẾT THÀNH VINH

DANH MỤC HÌNH ẢNH
Hình 1. Mối quan hệ giữa AI, ML và DL ......................................................................... 29
Hình 2. Quy trình phát triển mơ hình phát hiện đối tượng ................................................ 31
Hình 3. Kiến trúc mạng YOLO ......................................................................................... 32
Hình 4. Bảng chấm điểm YOLOv8 so với YOLOv5 và YOLOv7 qua RF Benchmark
................................................................
...............................................34
Hình 5. Cấu trúc YOLOv8 ................................................................................................ 35
Hình 6. Cấu trúc cải tiến anchor-free YOLOv8 ................................................................ 36
Hình 7. Hiệu quả của mơ hình anchor-free ....................................................................... 37
Hình 8. Cấu trúc mơ đun C2f ............................................................................................ 37
Hình 9. PPE cá nhân trong cơng tác LĐHMD .................................................................. 41
Hình 10. Một số hình ảnh dữ liệu Datasets được thu thập và phân loại............................ 45
Hình 11. Cảnh báo người thưc hiện cơng tác đang khơng đảm bảo an tồn ..................... 45
Hình 12. Thiết bị PPE cần nhận diện ................................................................................ 46
Hình 13. Thuộc tính của đối tượng .................................................................................... 47
Hình 14. Xác định hộp giới hạn của đối tượng ................................................................. 48
Hình 15. Biểu đồ đường cong Precision – Confidence Curve của các thiết bị bảo hộ ..... 49
Hình 16. Biểu đồ đường cong Recall - Confidence Curve của các thiết bị bảo hộ ........... 50
Hình 17. Biểu đồ đường cong Precision – Recall Curve của các thiết bị bảo hộ.............. 51
Hình 18. Biểu đồ đường cong F1 – Confidence Curve của các thiết bị bảo hộ ................ 51
Hình 19. Kết quả sau khi training mơ hình nhận diện TB BHLĐ ..................................... 53
Hình 20. Các mơ hình và trạng thái của nó trong DEEP SORT ....................................... 57
Hình 21. Quy trình quản lý tích hợp mơ hình vào trường hợp thực tế .............................. 59
Hình 22. Quy trình đào tạo an tồn lao động .................................................................... 62
Hình 23. Giao diện khởi động ứng dụng ........................................................................... 67
Hình 24. Một số hình ảnh thực tế cơng trường lấy từ video clip ...................................... 72
Hình 25. Xử lý trực tiếp video trên website ứng dụng ...................................................... 72

Hình 26. Kết quả tích hợp các mơ hình vào website thơng báo tự động ........................... 73
Hình 27. Chuyển định dạng tập tin CSV thành tập tin Excel ............................................ 74
Hình 28. Thơng báo tin nhắn trực tiếp qua ứng dụng ....................................................... 74
Hình 29. Các thơng số về hồi quy, phân loại và mất đối tượng của mô hình ................... 75
Hình 30. Độ chính xác của mơ hình .................................................................................. 77
Hình 31. Kết quả ma trận nhầm lẫn ................................................................................... 78

viii


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

DANH MỤC BẢNG
Bảng 1. So sánh tốc độ xử lý của YOLO so với mơ hình phát hiện khác ........................... 4
Bảng 2. Thống kê tai nạn lao động tại Việt Nam .............................................................. 27
Bảng 3. So sánh chỉ số của YOLOv8x so với các biến thể của YOLOv8 ........................ 38
Bảng 4. Các chỉ số đánh giá hiệu quả của mơ hình YOLOv8x ......................................... 52
Bảng 5. So sánh mơ hình YOLOv8x so với các mơ hình tiền nhiệm ............................... 80

ix


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

DANH MỤC CÁC CHỮ VIẾT TẮT
Từ viết tắt


Ý nghĩa

AEC

Architecture, Engineering, Construction
(kiến trúc, kỹ thuật, xây dựng)

PPE

Thiết bị bảo hộ lao động

TT

Thông tư

NĐ

Nghị định

BHLĐ

Bảo hộ lao động

ATLĐ

An toàn lao động

TNLĐ


Tai nạn lao động

QCVN

Quy chuẩn Việt Nam

NĐCP

Nghị định chính phủ

QĐ

Quy định

ATVSLĐ

An tồn vệ sinh lao động

AI

Trí tuệ nhân tạo

ML

Machine learning (học máy)

DL

Deep learning (học sâu)


YOLO

You only look once
(bạn chỉ nhìn một lần)

OJ

Phát hiện đối tượng

LĐHMD

Lắp đặt hệ mặt dựng

mAP

Độ chính xác trung bình

FPS

Tốc độ xử lý khung hình

OD

Objective Detection
(phát hiện đối tượng)

CNN

Convolutional Neural Networks
(mạng thần kinh chuyển đổi)


CSVC

Cơ sở vật chất

TB BHLĐ

Thiết bị bảo hộ lao động

x


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

CHƯƠNG 1:

GIỚI THIỆU

1.1. ĐẶT VẤN ĐỀ
Xây dựng là một trong những ngành công nghiệp lớn nhất thế giới bao gồm các
công việc đa dạng như xây dựng, kỹ thuật dân dụng, phá dỡ, cải tạo, sửa chữa và bảo trì
[1]. Chính phủ các nước trên thế giới đã sử dụng đầu tư xây dựng như một công cụ để ổn
định nền kinh tế đất nước, củng cố hơn nữa vị trí của ngành xây dựng trong chính sách
phát triển quốc gia [2]. Kỹ thuật xây dựng dân dụng tại Việt Nam đang trong quá trình
chuyển mình và bước đầu tiến đến kỷ nguyên số hóa và với tốc độ nhanh chóng, nó đang
thay đổi cuộc sống hàng ngày của chúng ta. Nó là một trong những bước phát triển hứa
hẹn nhất trong ngành công nghiệp kiến trúc, kỹ thuật, xây dựng (Architecture, Engineering,
Construction) [3]. Mọi thành viên trong ngành, từ nhà đầu tư đến công nhân công trường,

chắc chắn sẽ phải đối mặt với một sự thay đổi sẽ xác định nghề nghiệp của họ và thách
thức khả năng của họ để dễ dàng chuyển sang loại hình truyền thơng xây dựng mới.
Trong lĩnh vực kinh doanh cốt lõi của mình, AEC là một ngành cơng nghiệp được
cơng nghiệp hóa và tạo mẫu, trong đó mỗi dự án giống với những dự án trước, nhưng chúng
không thể được định nghĩa là giống nhau và do đó, khơng thể tiếp cận theo cùng một cách
thiết kế và sản xuất. Đây là một lỗ hổng lớn mà các nhà sản xuất hệ thống ngành công
nghiệp đã chồng chéo lên nhau và làm cho ngành của họ trở nên hiệu quả và tối ưu hơn rất
nhiều [3]. Tuy nhiên, trái ngược hoàn toàn với các ngành công nghiệp tiên tiếp đã được áp
dụng công nghệ, ngành xây dựng nổi tiếng là khơng có thiện cảm với những cải tiến mới
[4]. Pereira và cộng sự [5] cho rằng hầu hết các công ty xây dựng hiện nay đều hiểu tầm
quan trọng của việc áp dựng các ứng dụng kỹ thuật tiên tiến trong ngành công nghiệp 4.0
để tăng cường thành công trong lĩnh vực kinh doanh của mình.
Trước tiên cần có các nhà đầu tư đổi mới sớm để đi đầu trong việc áp dụng các công
nghệ mới và do đó kích thích việc áp dụng rộng rãi hơn bằng các đạt những chỉ tiêu vượt
trội so với các đối thủ cạnh tranh, do đó nâng cao tiêu chuẩn về năng suất, hiệu suất và an
toàn lao động [6]. Trước công cuộc cách mạng công nghiệp 4.0, các nhà nghiên cứu như
[7] đã đưa ra kết quả cho việc khảo sát của mình rằng người lao động ở các nước phát triển
bị quá tải với công việc, phải làm ca đêm hoặc cố gắng tiếp tục dự án tại nhà. Quá trình
này nếu kéo dài trong suốt vòng đời của dự án sẽ ảnh hưởng tiêu cực đến sự cân bằng giữa

1


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

công việc và cuộc sống, làm giảm năng suất lao động [8]. Do đó, việc áp dụng các phương
pháp sản xuất tiên tiến, có khả năng tự động hóa tồn bộ tổ chức sẽ giảm bới gánh nặng
quản lý của con người [9].

Trong vài thập kỷ qua, hệ mặt dựng sử dụng kính như một loại tường đương đại
mới, tích hợp hữu cơ thẩm mỹ kiến trúc và tiết kiệm năng lượng và đóng một vai trị quan
trọng trong các tịa nhà hiện đại [10]. Sự ra đời của các hệ thống mặt dựng tiên tiến do tiến
bộ công nghệ - lắp đặt các mô đun đã mở ra một chương mới trong q trình định hình
kiến trúc của tịa nhà cũng như tạo điều kiện để thực thi những ý tưởng táo bạo mang đến
những biểu tượng mới cho thế giới hiện đại ngày nay. Hệ thống mặt dựng thuộc các cơng
trình cao tầng được lắp đặt và vận chuyển trên cao gây ra hàng loạt những rủi ro cho nhà
thầu trong q trình thi cơng cũng như việc vận chuyển linh kiện đến vị trí đã được định
hình từ trước. Thực tế cho thấy đang có rất nhiều vụ tai nạn lao động xảy ra trong ngành
xây dựng, hiện trạng đó không chỉ lấy đi sinh mạng quý giá của cong người và giảm chất
lượng cuộc sống mà còn gây chậm trễ trong ngành xây dựng và là gánh nặng tài chính cho
người sử dụng lao động và người lao động [11].
Ngành xây dựng là một trong những ngành có tỷ lệ tử vong và thương tích cao nhất
so với các ngành khác [12], mặc dù ngành xây dựng đã cho thấy những cải thiện đáng kể
về hiệu suất an toàn trong nhiều năm qua, nhưng té ngã vẫn là nguyên nhân hàng đầu gây
tử vong và thương tích nghiêm trọng,...[13]. Trên tồn thế giới, ít nhất 108.000 cơng nhân
thiệt mạng tại các công trường mỗi năm, con số này chiếm khoảng 30% tổng số tai nạn lao
động gây tử vong [1]. Trong đó, 535 (30,1%) tai nạn lao động gây tử vong đối với công
nhân tại Hàn Quốc từ năm 2011 đến năm 2017; 854 (18,2%) tại Mỹ từ năm 2011 đến năm
2014 và 315 (32.8%) tại Nhật Bản từ năm 2015 đến năm 2017 [14]. Những con số thống
kê đã chỉ ra được mức độ nghiêm trọng về hiện trạng những tai nạn hy hữu khi không đảm
bảo được an tồn lao động (ATLĐ) thi cơng trên cao. Tuy nhiên vẫn cịn tồn đọng những
người lao động có ý thức kém và đưa ra những lý do cho việc khơng tn thủ các quy tắc
về an tồn lao động được cho là do sự khó chịu khi đeo dây bảo hộ và những hạn chế mà
nó gây ra khi di chuyển [15].
Giám sát sử dụng thiết bị bảo vệ là một phần của quản lý an tồn cơng trường.
Trong hầu hết các vụ tai nạn ngã, công nhân bị ngã từ trên cao và đập đầu xuống sàn cứng.
Mũ bảo hộ có thể hấp thụ và khuếch tán lực tác động khi rơi, giảm nguy cơ chấn thương
cho người lao động khi rơi từ trên cao xuống. Mũ bảo hiểm cứng được chế tạo để chống
sốc, chống lại sự xâm nhập của vật thể và tiếp xúc với các mối nguy hiểm về điện. Một

nửa số trường hợp tử vong do tai nạn ngã và một số lượng đáng kể các trường hợp tử vong
do trượt, trượt và bị vật rơi trúng có thể giảm nếu nhân viên đội mũ bảo hiểm cứng đúng

2


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

cách [16]. Vì vậy, cần phải thay đổi hành vi và văn hóa để giải quyết việc miễn cưỡng thực
hiện đúng công tác an toàn lao động như mặc thiết bị bảo hộ cá nhân (PPE), nhưng để giải
quyết hiệu quả và triệt để cần đưa ra những giải pháp tối ưu, tinh gọn để đẩy nhanh và thay
đổi quan điểm của người lao động [17].
Nhiều nghiên cứu đã cố gắng giải quyết các vấn đề liên quan đến an toàn xây dựng
và thương tích do té ngã [13]. Một số nhà nghiên cứu đã đề xuất các phương pháp tự động
phát hiện phương tiện bảo vệ cá nhân nhằm nâng cao chất lượng cơng việc kiểm định an
tồn [18-20]. Thơng thường, camera giám sát cơng trường đóng vai trị như một khung và
các phương pháp tiếp cận dựa trên tầm nhìn thực hiện phát hiện đội mũ bảo hiểm thông
qua một số giai đoạn, bao gồm nhận dạng và định vị mũ cứng, chủ yếu bao gồm nhận dạng
chuyển động của con người [21].
Mặc dù có nhiều nghiên cứu sâu rộng, các phương pháp phát hiện PPE dựa trên tầm
nhìn vẫn cịn phức tạp [22, 23]. Nghiên cứu hiện tại được thực hiện trong bối cảnh cụ thể,
gây khó khăn trong việc khái quát hóa các địa điểm xây dựng khác với sự thay đổi cao về
cảnh quan và phần đường dành cho người đi bộ [24]. Camera giám sát chưa làm việc hiệu
quả khi phải quét qua những vật thể nhỏ, chồng chéo nhau và đặc biệt khi người lao động
thực hiện các cơng tác trên cao, hiện tượng gió giật cũng gây khó khăn trong việc nhận
diện. Đối với cơng trình có quy mơ hẹp, góc quay thường khó bắt được những vị trí bị che
khuất cũng giảm đi đáng kể tính năng phát hiện đối tượng. Cuối cùng, bộ dữ liệu về PPE
và các vật thể được sử dụng trong cơng tác thi cơng hệ mặt dựng khơng có sẵn, để thu thập

và phát triển bộ dữ liệu cần nhiều thời gian và hình ảnh có độ phân giải đạt tiêu chuẩn.
Phần lớn các phương pháp nghiên cứu dựa trên tầm nhìn gần đây chỉ liên quan đến
việc phát hiện mũ cứng trên các công trường xây dựng. Các cơng tác thi cơng hệ mặt dựng
địi hỏi người lao động cần trang bị các thiết bị chuyên dụng như áo chống rơi tồn thân,
đai mềm, dây giảm chấn, kính để đảm bảo an toàn cho người lao động. Trong những năm
gần đây, khái niệm học sâu (Deep Learning), học từ nhiều đặc trưng của đối tượng đang là
chủ đề nóng trong vấn đề trí tuệ nhân tạo. Một cuộc tìm kiếm dữ liệu mở rộng đã được tiến
hành để xác định các vật thể được áp dụng ứng dụng học sâu (DL) hiện có trong ngành xây
dựng [25]. Khi dữ liệu ngày càng lớn hơn, DL sẽ đóng một vai trò quan trọng trong việc
cung cấp các giải pháp phân tích dự báo [26] vì hàng loại những mơ hình DL đã và đang
được phát triển, cung cấp tốc độ xử lý các lớp nhanh qua đó dễ dàng phát hiện đối tượng,
tránh nhầm lẫn các vật thể trong khơng gian phức tạp khó nắm bắt.
Hiện nay, khi nhắc đến mơ hình phát hiện đối tượng (OD) dựa trên DL, thuật tốn
phổ biến nhất có thể kể đến là mạng nơ ron phân tích chập dựa trên vùng (R-CNN, FasterRCNN,...). Nhưng biến thể của nó hiện nay bao gồm máy ảnh dò một lần (SSD) và bạn chỉ

3


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

nhìn một lần (YOLO) đã chứng minh được sự vượt trội hơn về thời gian xử lý. Trong đó
thuật tốn YOLO đạt được kết quả tốt nhất dựa trên các chỉ số về độ chính xác trung bình
(mAP) và tốc độ (FPS) [27].
Bảng 1. So sánh tốc độ xử lý của YOLO so với mơ hình phát hiện khác
Prediction time

FPS


(Thời gian dự

(Khung hình

đốn)

mỗi giây)

66.0

48.2 hr

0.02 fps

1500x

66.9

3.1 hr

0.45 fps

100x

R-CNN
(Small VGG)

60.2

14.4 hr


0.09 fps

500x

FR-CNN
(Small VGG)

59.2

2.9 hr

0.48 fps

93x

R-CNN
(Caffe)

58.5

12.2 hr

0.11 fps

409x

FR-CNN
(Caffe)


57.1

2.8 hr

0.48 fps

93x

YOLO

58.8

110 sec

45 fps

-

Mơ hình
R-CNN
(VGG-16)
FR-CNN
(VGG-16)

mAP

Compared to YOLO
(So sánh với YOLO)

Mục tiêu nghiên cứu của luận văn này là ứng dụng mơ hình phát hiện đối tượng

nhằm mục đích giải quyết nhiệm vụ quản lý các thiết bị thi công lắp đặt hệ mặt dựng, thiết
bị bảo hộ và chống rơi hiệu quả.
1. Xây dựng mơ hình nhận diện vật thể, cung cấp các dữ liệu liên quan đến vấn để cần
thiết cho công tác quản lý thi công lắp đặt hệ mặt dựng.
2. Giới thiệu cấu trúc mạng của phiên bản YOLO mới tên là YOLOv8x để tự động
phát hiện và thông báo PPE của công nhân xây dựng.
3. Thông tin dữ liệu thi công lắp đặt hệ mặt dựng và ALTĐ được lưu trữ và phân loại,
quá trình này tăng khả năng nhận diện vật thể của mơ hình qua số lần huấn luyện đã
được mã hóa, với những chi tiết nhỏ cần cung cấp một lượng dữ liệu lớn, dữ liệu
mang tính chất đặc trưng cho cấu kiện cần được nhận dạng đóng vai trị rất quan
trọng trong quá trình thực hiện.

4


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

4. Kiểm tra độ chính xác của mơ hình tính bằng cách thử nghiệm trên nhiều dữ liệu
thực tế khác nhau.
5. Kết luận và hướng nghiên cứu trong tương lai về ứng dụng phần mềm chứa thuật
tốn áp dụng trí tuệ nhân tạo để giải các bài trong thi công lắp đặt các hạng mục có
liên quan trong cơng trình.
1.2. ĐỐI TƯỢNG NGHIÊN CỨU
-

Các yếu tố ảnh hưởng đến TNLĐ khi thi công trên cao, cụ thể là việc không chấp
hành đúng yêu cầu về PPE.


-

Phạm vi lắp đặt và quá trình thi cơng lắp đặt hệ mặt dựng.
Mơ hình phát hiện vật thể tự động (YOLOv8x) dựa trên ứng dụng học sâu.

-

Người tham gia lao động, cụ thể là công nhân đang thực hiện các thao tác lắp đặt hệ
mặt dựng.

-

Xây dựng cơ chế chủ động xác định hành vi gây tai nạn và lập biện pháp quản lý,
đánh giá để có hành động khắc phục kịp thời.

1.3. ĐÓNG GÓP CỦA LUẬN VĂN
1.3.1. Trên phương diện học thuật
Thuật toán mới của object detection như YOLOv8x có tốc độ nhanh và độ chính
xác cao nên giúp cho chức năng phát hiện đối tượng có thể thực hiện được các tác vụ dường
như là gần với thời gian thực tế nhất, thậm chí là nhanh hơn so với con người mà độ chính
xác khơng giảm. Các mơ hình cũng trở nên nhẹ hơn nên có thể hoạt động trên các thiết bị
IoT để tạo nên các thiết bị thông minh.
1.3.2. Trên phương diện thực tiễn
Vì sự an tồn của cơng nhân là mối quan tâm chính trên các cơng trường xây dựng
nên nghiên cứu này coi việc phát hiện các thiết bị thi công lắp đặt hệ mặt dựng và an toàn
lao động khi thi công trên cao là vấn đề cần được áp dụng thị giác máy tính và đề xuất một
giải phát dựa trên ứng dụng học sâu (DL).
1.4. CÁC NGHIÊN CỨU LIÊN QUAN TRƯỚC ĐÂY
Căn cứ vào các khả năng gây tác động nghiêm trọng cho người lao động khi thi
công trên cao, các biện pháp ngăn ngừa và giảm thiểu mức độ ảnh hưởng của thương tích

có thể được phân loại thành 2 thành phần: chủ động hoặc bị động [28]. Các biện pháp có
tính chất thụ động được dựa trên việc phân tích dữ liệu tan nạn ngã để phát triển các chiến

5


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

lược phòng ngừa trong tương lai. Buckley và Carter [29] đã mỏ tả một phương pháp quản
lý kiến thức đã được thực hiện trong ngành khai thác giúp người lao động tuân thủ các quy
tắc và quy định về sức khỏe và an tồn cũng như giảm thiểu tai nạn. Quy trình quản lý kiến
thức bao gồm 6 bước cụ thể: (1) lập bản đồ kiến thức trong tổ chức, (2) thực hiện kiểm
toán quản lý kiến thức, (3) xác định các lỗ hổng và nhu cầu về kiến thức, (4) chỉ định nhóm
các dự án và khởi tạo các dự án để thu thập và ghi lại kiến thức và sau khi hoàn thành, (5)
tổng quan và đánh giá kết quả theo quan điểm triển khai lại các quy trình quản lý tri thức
theo các nguyên tắc cải tiến liên tục. Ví dụ, xác định những yếu tố góp phần gây ra tai nạn
chết người từ các báo cáo TNLĐ và thu thập dữ liệu từ các cuộc kiểm tra an toàn thường
xuyên [30]. Theo [30] các biện pháp phòng ngừa TNLĐ khi thi cơng trên cao bắt nguồn từ
việc phân tích hồ sơ tai nạn và hồ sơ khám nghiệm tử thi bao gồm: rào chắn cố định; hệ
thống hạn chế di chuyển (ví dụ: dây đai bảo hộ), hệ thống chống rơi (ví dụ: dây giảm
chấn); và hệ thống ngăn chặn té ngã (ví dụ: lưới). Dũng và Lượng [31] đã xây dựng mơ
hình hệ thống quản lý OH&S đối với tiêu chuẩn OHSAS 18001:2007 dựa trên chức năng
quản lý PDCA. Những yếu tố gây nên TNLĐ khi thi công trên cao đã được phân tích trước
đây bao gồm trượt, yếu kém về nhận thức, thời tiết và tiến độ thi công [32]. Một số yếu tố
về rủi ro nổi bật được tìm kiếm và thu thập góp phần gây ra các tai nạn thường được ưu
tiên và sau đó sử dụng để phát triển các biện pháp giảm thiểu tiên tiến [33].
Các chiến lược chủ động bao gồm các biện pháp phòng ngừa vào đào tạo và giáo
dục an tồn. Ví dụ cụ thể: thực hiện các chương trình huấn luyện chống rơi ngã qua một

thử nghiệm đã được thiết kế và tiến hành để thu thập dữ liệu qua đó có thể đo lường nguy
cơ té ngã trong các tình huống khác nhau của cơng nhận xây dựng [28], thiết kế các khóa
học ngắn hạn, hội thảo và trao đổi tập trung giải quyết các rủi ro khi làm việc trên cao qua
các trải nghiệm bằng phương pháp tiên tiến với mục đích cải thiện nhận thức của người lao
động. Ví dụ, nhận diện và phịng ngừa nguy cơ rơi ngã dựa trên BIM trong quy hoạch an
toàn xây dựng [34], ứng dụng công nghệ định vị GPS trên điện thoại thơng minh để quản
lý an tồn lao động tại các cơng trường [35]. Mặc dù đã có nhiều các cơng tác huấn luyện
về ATLĐ hiện nay có thể làm tăng việc sử dụng PPE nhưng vẫn chủ yếu thiên về lý thuyết
và thực trạng người lao động cịn chủ quan cịn tồn đọng tại các cơng trường xây dựng. Do
đó, điều quan trọng hơn là tác động đến tư duy, thái độ và văn hóa của người lao động hơn
là giải quyết các vấn đề cụ thể [33].
Mục đích của giám sát PPE để đảm bảo trong q trình thi cơng người lao động sử
dụng đúng cách và đáp ứng các tiêu chuẩn về kế hoạch và sức khỏe. Các nghiên cứu trước
đây về phát hiện đối tượng tự động của PPE có thể được phân thành hai loại: phát hiện dựa
trên cảm biến và dựa trên tầm nhìn [36]. Các phương pháp dựa trên cảm biến bao gồm cài

6


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

đặt một bộ cảm biến và phân tích tín hiệu bằng cách sử dụng dữ liệu được thu thấp từ các
cảm biến. Các phương pháp này tập trung vào các hệ thống theo dõi từ xa như mạng cục
bộ không dây (WLAN) và nhận dạng tần số vô tuyến (RFID) [37]. RFID được gán nhãn
trên mỗi vật thể PEE. Máy quét ở cổng vào sẽ kiểm tra các thẻ để theo dõi người lao động
có đang trang bị PPE phù hợp. Kelm, Laat [38] đã đề xuất một kỹ thuật RFID động để
phát hiện các trang thiết bị PPE trên người lao động tự động và nhanh chóng. Dong, He
[37] đã phát triển hệ thống định vị theo thời gian thực (RTLS) và cấu trúc ảo để tự động

phát hiện và đánh giá việc sử dụng PPE. Zhang, Yan [39] đã áp dụng kỹ thuật kết nối vạn
vật (IoT) để phá hiện tình trạng sử dụng mũ bảo hộ qua cảm biến đã được gán thẻ. Tuy
nhiên, những nghiên cứu về thiết bị cảm biến cịn nhiều hạn chế về chi phí và chỉ một cá
nhân vào cơng trường mới có thể được kiểm tra.
Trái ngược với phương pháp dựa trên cảm biến, các phương pháp dựa trên tầm nhìn
gần đây đã thu hút được sự quan tâm đáng kể. Các phương pháp này sử dụng máy ảnh tiêu
chuẩn, nhận dạng mẫu và các kỹ thuật dựa trên máy tính tiên tiến để tạo cơ sở vũng chắc
cho việc phát hiện các thiết bị bảo hộ. Kỹ thuật phát hiện dựa trên tầm nhìn có thể quan sát
các tại các địa điểm xây dựng phức tạp một cách tồn diện, chính xác và nhanh chóng
hơn[40]. [41] đã tạo ra một khung tích hợp để phát hiện việc đội mũ bảo hộ dựa trên kỹ
thuật thị giác máy tính. Bộ dữ liệu được lấy từ các video được ghi lại trên công trường.
Đầu tiên, ma trận độ lệch chuẩn (SDM) được sử dụng để xác định các đối tượng di động,
sau đó, biểu đồ của bộ mô tả độ dốc định hướng (HOG) được áp dụng cho phát hiện đeo
mũ bảo hộ. Jixiu, Nian [42] đã xây dựng bộ dữ liệu điểm chuẩn phát hiện mũ bảo hộ dựa
trên mơ hình máy dị một lần (SSD) để dự đoán và kiểm tra. Hệ thống này có hiệu quả
trong tất cả mọi điều kiện và độ chính xác trung bình (mAP) lên đến 83,89%. Các kỹ thuật
học sâu (DL) đã phát triển rộng rãi trong lĩnh vực phát hiện đối tượng do khả năng xử lý
các tính năng đa quy mơ của dữ liệu. Fang, Li [21] đã phát triển phương pháp dựa trên
mạng phân tích chập Fast R-CNN để tự động giám sát mũ bảo hộ tại các công trường xây
dựng. Một bộ dữ liệu gồm 81.000 khung hình đã được sử dụng để đào tạo và thử nghiệm
mơ hình được đề xuất. Tuy nhiên, mơ hình khơng thể xác định màu sắc của mũ bảo hộ mặc
dù mơ hình Fast R-CNN cho thấy tốc độ xử lý ấn tượng, nhưng với bộ dữ liệu rất lớn thì
các phép tính lắp vốn có trong hầu hết các thuật toán học sâu (DL) thường cực kỳ khó để
thực hiện song song [26].
Do đó, cùng với sự phát triển vượt bậc của ngành cơng nghiệp trí tuệ nhân tạo (AI)
trong những năm gần đây, đã có sự gia tăng đáng kể về tốc độ xử lý và độ chính xác của
các thuật tốn để huấn luyện các mơ hình học sâu (DL). Hàng loạt phương pháp phát hiện
đối tượng bạn chỉ nhìn một lần (YOLO) đang dần trở nên hiệu quả và chính xác để trở

7



LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

thành mơ hình chính để kiểm tra an tồn. Redmon, Divvala [43] lần đầu tiên giới thiệu và
đưa ra các thông số đáng kinh ngạc khả năng xử lý và tốc độ của mơ hình YOLO so với
các mơ hình phân tích chập tiền nhiệm bao gồm DPM và R-CNN. Đã có rất nhiều các biến
thể của YOLO ra đời qua các nghiên cứu của Wang [44], Nain, Sharma [45], Zang, Xiao
[46], Sadiq, Masood [46], đã đề xuất giải pháp phát hiện mũ bảo hộ đều cho ra kết quả cao
và chính xác. Ferdous, Ahsan [47] gần đây đã phát triển hệ thống nhận nhiều nhiều PPE
khác nhau bao gồm (mũ bảo hộ bốn màu, áo vest, kính an tồn) dựa trên mơ hình YOLOXm.
Theo các nghiên cứu đã nói ở trên, phân tích dữ liệu bằng phương pháp giám sát
dựa trên tầm nhìn hiệu quả trong việc giám sát các hành vi an tồn lao động trong q trình
thi cơng.Tuy nhiên với rủi ro tai nạn lao động nghiêm trọng trong quá trình thi cơng trên
cao, người lao động cần đặc biệt tuân thủ yêu cầu về các trang bị bảo hộ chuyên dụng. Đa
số những nghiên cứu trước đây chỉ tập trung giải quyết yêu cầu về thiết bị nón bảo hộ khi
thi cơng trên cao, do đó nghiên cứu này tiếp tục sử dụng thuật toán You Only Look Once
mới được cải tiến để chủ động kiểm sốt an tồn với tính năng xây dựng bộ dữ liệu bao
gồm tất các cả trang thiết bị cần thiết qua đó dễ dàng nhận diện các thiết bị bảo hộ lao động
hoàn chỉnh.

8


LUẬN VĂN THẠC SĨ

CHƯƠNG 2:


HVTH: NGUYỄN VIẾT THÀNH VINH

CƠ SỞ LÝ THUYẾT

2.1. TĨM TẮT QUY TRÌNH PHÁT TRIỂN – SƠ ĐỒ KHỐI
2.1.1. Quy trình phát triển mơ hình
Bước 1: Xác định các chủ đề về biện pháp thi công và đảm bảo an tồn lao động
khi thi cơng trên cao. Cụ thể là định hướng phát triển quy trình kết hợp trí tuệ nhân
tạo tinh gọn nhằm mục đích tối ưu hóa tồn bộ cơng tác lắp đặt giúp người quản lý
/ đơn vị giám sát nắm rõ một cách trực quan về q trình thi cơng và phối hợp hiệu
quả tránh xảy ra xung đột làm trì hỗn tiến độ thực hiện dự án.
Bước 2: Các dữ liệu hình ảnh về cấu kiện khi thi công lắp đặt hệ mặt được phân
loại và gán nhãn, với sự phát triển của trí tuệ nhân tạo đang ngày càng thơng minh
hơn và rất đươc ưa chuộng hiện nay có khả năng phân tách dữ liệu hiệu quả đem lại
kết quả chính xác hơn. Nhưng quan trọng vẫn cần bộ dữ liệu đầy đủ về các cấu kiện
như: xe kéo, sàn thao tác, cẩu tháp, mơ đun kính, các trang thiết bị bảo hộ chuyên
dụng,…
Bước 3: Căn cứ vào các cấu kiện lắp đặt và trang thiết bị bảo hộ đã được đưa vào
mơ hình huấn luyện nhận dạng vật thể (OD), xây dựng quy trình kiểm sốt các cơng
tác thi cơng hệ mặt dựng và đảm bảo an toàn lao động khi thi cơng trên cao dựa vào
các tiêu chí kỹ thuật, biện pháp thi công và bộ văn bản quy phạm pháp luật về an
tồn lao động trong cơng trình.
Bước 4: Việc xây dựng mơ hình nhận diện vật thể (OD) sẽ phải trải qua nhiều bước
thiết kế và kiểm tra nhằm mục đích đưa ra được kết quả chính xác theo yêu cầu được
đặt ra về phân tách đối tượng. Yếu tố cốt lõi của việc nhận diện vật thể khi đạt tính
năng tối ưu là nhận dạng được từng cấu kiện trong phạm vi hẹp qua đó hỗ trợ người
quản lý xác định rủi ro trong quá trình thi cơng.
Bước 5: Ứng dụng mơ hình vào tình huống cụ thể, kết với quy trình kiểm sốt thi
cơng đã được xây dựng làm cơ sở để phát triển nội dung quản lý cũng như cơng tác
đào tạo an tồn lao động khi thi công trên cao.

Bước 6: Xuất bản mơ hình và đưa ra quy trình quản lý tối ưu.

9


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

2.1.2. Sơ đồ khối

Định hướng phát triển quy
trình và phân tích yếu tố
khả thi

Xác định các yếu tố hạn
chế trong phương pháp thi
công truyền thống

Định hình vị trí
đặt camera giám
sát

Dữ liệu hình ảnh
được gán nhãn và
mã hóa

Thu thập dữ liệu và phân
loại vật thể cần nhận diện


Ứng dụng thuật toán
YOLOv8x để phát hiện
đối tượng tự động

Thu thập thơng tin về quy
trình tối ưu hóa cơng tác
thi cơng hệ mặt dựng

Cấu kiện thi cơng
LĐHMD

Cấu kiện thi cơng
LĐHMD

Huấn luyện mơ hình, thử
nghiệm nhiều lần để kiểm
tra độ chính xác

Ứng dụng vào tình huống
cụ thể

Cơng tác thi công
LĐHMD tại công trường

Sử dụng cấu kiện các cấu
kiện đặc thù trong q
trình thi cơng LĐHMD

Dữ liệu hình ảnh
được gán nhãn và

mã hóa

Xuất bản mơ hình và đưa
ra quy trình quản lý tối ưu

Cơng tác vận
chuyển cấu kiện
đến cơng trình

Cơng tác sắp xếp
cấu kiện thi cơng
tại cơng trình

Cơng tác kiểm tra
các thiết bị bảo hộ
của người lao động

Công tác giám sát
thi cơng

Lưu đồ 1: phát triển mơ hình nhận diện đối tượng dựa trên thuật toán YOLO

10


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

2.2. CÁC KHÁI NIỆM CHÍNH – CƠ SỞ LÝ THUYẾT

2.2.1. Quản lý thi cơng lắp đặt hệ mặt dựng
➢ Từng tiêu chí kỹ thuật dựa trên [48]
1. Cung cấp vật tư: Đề cập đến các điều kiện cho phép cung cấp vật liệu hiệu quả
và chuỗi cung ứng xây dựng.
2. Xử lý vật tư: Mô tả các điều kiện để thực hiện các hoạt động gia tăng giá trị trong
giới hạn của công trường xây dựng (vận chuyển nội bộ, bốc xếp, xử lý và dàn
dựng vật liệu xây dựng)
3. Vận chuyển theo phương dọc: Đề cập đến những thách thức liên quan đến các
nguồn lực hạn chế cho vận chuyển dọc.
4. Hoạt động thi công trên sàn: Đề cập đến những rủi ro về sự không chắc chắn của
việc đảm bảo đúng tiến độ vận chuyển, ví dụ: khơng biết chính xác khi nào vật
tư được cung ứng đúng thời gian đã quy định do thiết bị vận chuyển chưa đáp
ứng đủ về chứng chỉ an tồn, ví dụ: sàn thao tác chưa đáp ứng đủ về khả năng
chịu lực.
5. Lắp đặt: Đề cặp đến quy trình lắp đặt các mơ đun.

11


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH

➢ Quy trình lắp đặt truyền thống

1. Vận chuyển cấu kiện đến công trường
2. Tập kết vật tư
3. Giai đoạn trung gian
4. Mô đun kính được cẩu theo phương
dọc cơng trình

5. Vận chuyển đến vị trí sàn cần lắp đặt

6. Tập kết mơ đun tại sàn cần lắp đặt
7. Vận chuyển đến vị trí lắp đặt
8. Lắp đặt mơ đun kính

➢ Quy trình lắp đặt sử dụng hệ thống ray trượt được phát triển bởi Tommelein và
Beeche [49]

1. Vận chuyển cấu kiện đến công trường
2. Tập kết vật tư
3. Sử dụng băng truyền di chuyển mơ
đun kính đến vận thăng

4. Khởi động cáp vận thăng
5. Mơ đun kính được vận chuyển theo
phương dọc đến sàn
6. Sử dụng hệ thống ray trượt vận chuyển
mô đun kính đến vị trí lắp đặt

7. Vận chuyển đến mặt ngồi cơng trình
8. Lắp đặt mơ đun kính

12


LUẬN VĂN THẠC SĨ

HVTH: NGUYỄN VIẾT THÀNH VINH


1. Khung không gian được lắp đặt sẵn ở
tầng trệt với không gian dỡ hàng an toàn
cho phương tiện vận chuyển

2. Dỡ hàng từ phương tiện vận chuyển
và chuyển đưa lên hệ thống ray trượt
ngang.

3. Hệ thống ray trượt ngang

13