Detecção de Relações Visuais em Um Único Disparo para a Identificação Precisa de Perigos Impulsionados por Contato em Construção Digital Sustentável

A implementação de robôs de construção ao lado de trabalhadores apresenta o risco de contato forçado indesejado—uma preocupação crítica de segurança. Para abordar um gêmeo digital semântico onde esses perigos impulsionados por contato podem ser monitorados com precisão, os autores apresentam um modelo de rede neural profunda (DNN) de disparo único que pode realizar detecções de proximidade e de relacionamento simultaneamente. Dado que trabalhadores e robôs de construção devem às vezes colaborar em proximidade próxima, seu relacionamento deve ser considerado, juntamente com a proximidade, antes de concluir que um evento é um perigo. Para resolver essa questão, utilizamos uma arquitetura DNN única de dois em um chamada Pixel2Graph (ou seja, detecções de objeto + relacionamento). O potencial dessa arquitetura DNN para detecção de relacionamento foi confirmado por testes de acompanhamento usando imagens de locais reais, alcançando 90,63% de recall@5 quando caixas delimitadoras de objetos e classes foram fornecidas. Quando integrada a métodos existentes de monitoramento de proximidade, a detecção de relações visuais em um único disparo permitirá a identificação precisa de perigos impulsionados por contato em uma plataforma de gêmeo digital, um passo essencial para a realização de uma colaboração sustentável e segura entre trabalhadores e robôs.