一种基于物联网的工地安全管理系统

1.本发明涉及工地安全管理领域，尤其涉及一种基于物联网的工地安全管理系统。


背景技术：

2.随着我国国民经济生产总值的持续增长和宏观经济的持续健康发展，国内建筑行业也呈现出蓬勃发展的势头。建筑行业生产总值快速增长的同时，建筑项目的数量和规模也在不断的增加，项目施工过程中人身安全问题逐渐凸显，项目管理的重要性日益显现。随着物联网、云计算、大数据、移动互联网等信息技术的发展应用，在“云+大数据”支撑下，充分利用物联网、互联网以及云计算机等先进的信息化技术，将施工的现场一线业务与项目的综合管理深度融合，围绕施工现场管理、项目综合管理，建立互联协同、安全监控、智能化生产等项目信息化生态圈，开发一个完整的、综合的施工项目信息化管理平台，并将后台的数据在虚拟现实环境下与物联网采集到的工程信息进行数据挖掘分析，实现工程可视化智能管理，以提高工程管理的信息化水平，对提高工地安全管理具有重要意义。
3.经检索，中国专利号cn113096287a公开了一种基于物联网的工地管理系统及其装置，该发明虽然便于管理和及时应急处理，减少管理人员工作量，但是工人容易因工作时间过长导致意外发生，且工人工作积极性以及工作效率低；此外，现有的工地安全管理系统对各施工设备的检测精度低，容易导致工人因设备异常而受伤，同时无法及时对设备进行更换以及维护，为此，我们提出一种基于物联网的工地安全管理系统。


技术实现要素：

4.本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种基于物联网的工地安全管理系统。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种基于物联网的工地安全管理系统，包括管理平台、员工平台、人员登记模块、区域划分模块、定位模块、轨迹记录模块、动态分配模块、设备分析模块、声光报警模块以及区块存储模块；
7.所述管理平台用于查看工人信息，同时收集工地各项信息并实时展示；
8.所述员工平台用于验证工人信息并记录员工信息；
9.所述人员登记模块用于记录工人上下班打卡时间以及工人施工范围，并对外来人员信息进行记录；
10.所述区域划分模块用于采集工作人员布置的固定信号端数据信息进行区域划分，并实时更新工地区域范围；
11.所述定位模块用于对各工人位置信息进行确认并实时更新工人位置信息；
12.所述轨迹记录模块用于接收定位模块反馈的各工人位置信息，并生成各工人移动轨迹以及移动时间；
13.所述动态分配模块用于采集各工地区域工人信息并进行人力分配；
14.所述设备分析模块用于对工地各施工设备运行信息进行采集并进行异常分析；
15.所述声光报警模块用于向存在异常行为的工人，或位于异常设备附近的工人发出警报，并闪烁红灯进行警示；
16.所述区块存储模块用于将该工地管理信息进行上链存储。
17.作为本发明的进一步方案，所述区域划分模块区域范围划分具体步骤如下：
18.步骤一：区域划分模块接收各固定信号端发送的模拟信号，并确定各组固定信号端位置，之后通过外部监控采集工地图像信息，并将采集到的影像信息进行逐帧提取以获取工地图片；
19.步骤二：依据各工地图片显示比列进行分块处理，之后对分块后的各组工地图片通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理，之后形成三维的工地模型，然后根据固定信号端的位置坐标，设置对应预警范围限界。
20.作为本发明的进一步方案，所述动态分配模块人力分配具体步骤如下：
21.步骤(1)：动态分配模块接收各定位模块发送的信号，并对各祖信号进行编码以实现定位模块的身份认证，之后将各工人所在位置匹配至工地模型；
22.步骤(2)：接收外部监控发送的监控影像，再通过逐帧提取以获取图片数据，通过图像金字塔对各图片数据进行尺度归一化处理，并提取各组图片数据的特征，再将提取出的特征送入双向特征金字塔进行特征融合，再将融合结果进行分类回归以输出检测框；
23.步骤(3)：对图片数据中目标检测框信息进行收集，并生成对应检测框坐标，依据收集的检测框信息对图片数据进行扩大化剪裁，并提取各组图片中的工人信息，同时将各工人与各定位模块进行匹配，之后对各工人在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态；
24.步骤(4)：动态分配模块依据定位信息、工人所在位置以及工人运动状态判断工人当前状态是工作还是休息，当工人工作时间达到预设阈值后，则提示该工人进行休息，并与休息时间达到预设阈值的工人进行工作交接。
25.作为本发明的进一步方案，步骤(3)所述扩大化剪裁计算公式如下：
26.x1
′
＝max(x1-|x2-x1|*e,0)
ꢀꢀ
(1)
27.x2
′
＝min(x2+|x2-x1|*e,width)
ꢀꢀ
(2)
28.y1
′
＝max(y1-|y2-y1|*e,0)
ꢀꢀ
(3)
29.y2
′
＝min(y2+|y2-y1|*e,height)
ꢀꢀ
(4)
30.其中，width以及height分别代表待检测巡检图片的宽和高，单位为像素，e代表扩大率；
31.步骤(3)所述运动状态具体定义形式如下：
[0032][0033]
式中，s代表跟踪目标的运动状态，(x,y,w,h)代表跟踪目标边界包围框的中心点坐标和宽高，代表相对应的跟踪目标速度值。
[0034]
作为本发明的进一步方案，所述设备分析模块异常分析具体步骤如下：
[0035]
步骤
①
：设备分析模块采集各设备过往运行信息，之后将各组数据分别整合成各设备的样本数据集，再统计各样本平均值，并计算各样本数据集的标准偏差，依据计算出的
标准偏差筛除各样本数据集中的异常数据；
[0036]
步骤
②
：对剩余数据进行归一化处理，之后构建一组卷积神经网络，并依据预设信息确定该网络参数以及各神经网络层神经元数，之后将各组样本数据集传入该卷积神经网络中；
[0037]
步骤
③
：确定卷积神经网络中心向量值以获取对应线性组合，之后定义该卷积神经网络多轮学习后的能量函数，当能量函数小于目标误差时，训练过程结束并输出分析模型，再测试该分析模型运行损失值，并对该模型参数进行实时更新；
[0038]
步骤
④
：设备分析模块通过传感器实时采集各施工设备运行信号，同时对运行信号进行预处理，并通过时域和频域的方法提取特征参数，之后设置设备样本标签，再将其划分为训练集以及测试集，并将训练集标准化处理；
[0039]
步骤
⑤
：将训练集输送到分析模型中，设置模型具体参数，采用长期迭代法训练该分析模型，并将测试集输入到训练好的模型中，输出运行预测曲线，并加以分析，同时将存在异常运行情况的施工设备反馈给管理人员，且通知该施工设备附近工人暂停使用该设备。
[0040]
作为本发明的进一步方案，步骤
③
所述分析模型参数更新具体步骤如下：
[0041]
步骤ⅰ：在该分析模型的规定区间内初始化网络连接权值，之后从训练时的输入以及输出对的集合中提交训练样本，并计算该分析模型的输出，在比较期望的网络输出与实际的网络输出，并且计算所有神经元的局部误差；
[0042]
步骤ⅱ：当局部误差超出工作人员预设阈值后，依据学习规则方程对该分析模型的权值进行训练以及更新，并依据预设的学习率以及步长列出所有可能的数据结果；
[0043]
步骤ⅲ：对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练测试模型后对测试集进行检测，并统计检测结果的均方根误差；
[0044]
步骤ⅳ：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换分析模型原有参数。
[0045]
作为本发明的进一步方案，步骤ⅰ所述局部误差具体计算公式如下：
[0046][0047]
其中，代表第l个隐含层中第q个神经元的输出；
[0048]
步骤ⅱ所述学习规则方程具体如下：
[0049][0050]
式中，代表第l个隐含层的权值，j代表输出层输出结果，η
(l)
是与各个网络层相对应的学习率参数。
[0051]
作为本发明的进一步方案，所述区块存储模块上链存储具体步骤如下：
[0052]
第一步：区块存储模块将工地管理信息预处理成符合条件的区块，并上传区块链网络，之后区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识码，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送；
[0053]
第二步：当该候选节点成为领导节点，其他节点成为跟随节点，之后领导节点广播
区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数，并使用重复次数最多的信息生成区块头，并向领导节点发送验证申请；
[0054]
第三步：验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至区块链上并返回候选身份。
[0055]
相比于现有技术，本发明的有益效果在于：
[0056]
1、该基于物联网的工地安全管理系统通过动态分配模块接收各定位模块发送的信号，之后将各工人所在位置匹配至工地模型，接收外部监控发送的监控影像，再通过逐帧提取以获取图片数据，对图片数据进行预处理以生成目标检测框，之后对图片数据中目标检测框信息进行收集，并依据收集的检测框信息对图片数据进行扩大化剪裁，并提取各组图片中的工人信息，之后对各工人在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态，动态分配模块依据定位信息、工人所在位置以及工人运动状态判断工人当前状态是工作还是休息，当工人工作时间达到预设阈值后，则提示该工人进行休息，并与休息时间达到预设阈值的工人进行工作交接，无需管理人员人工监管工人，同时避免工人因工作时间过长导致意外发生，保证工人劳逸结合，提高其工作积极性以及工作效率。
[0057]
2、本发明通过设备分析模块采集各设备过往运行信息，之后将各组数据分别整合成各设备的样本数据集，再筛除各样本数据集中的异常数据，之后将各组样本数据集传入卷积神经网络中进行训练，训练过程结束并输出分析模型，并对该模型参数进行实时更新，参数更新完成后，对各传感器采集到的运行信号进行预处理，之后设置设备样本标签，再将其划分为训练集以及测试集，并将训练集标准化处理，将训练集输送到分析模型中，设置模型具体参数，采用长期迭代法训练该分析模型，并将测试集输入到训练好的模型中，输出运行预测曲线，并加以分析，同时将存在异常运行情况的施工设备反馈给管理人员，且通知该施工设备附近工人暂停使用该设备，能够自行建模以及寻参，有效的提高对各施工设备的检测精度，有效的预防工人因设备异常导致受伤，保证工人安全，同时能够提前预测设备运行信息，保证设备更换以及维护的及时性。
附图说明
[0058]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0059]
图1为本发明提出的一种基于物联网的工地安全管理系统的系统框图；
[0060]
图2为本发明提出的一种基于物联网的工地安全管理系统的人力分配流程框图；
[0061]
图3为本发明提出的一种基于物联网的工地安全管理系统的设备检测流程框图。
具体实施方式
[0062]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
[0063]
实施例1
[0064]
参照图1-3，一种基于物联网的工地安全管理系统，包括管理平台、员工平台、人员
登记模块、区域划分模块、定位模块、轨迹记录模块、动态分配模块、设备分析模块、声光报警模块以及区块存储模块。
[0065]
管理平台用于查看工人信息，同时收集工地各项信息并实时展示；员工平台用于验证工人信息并记录员工信息；人员登记模块用于记录工人上下班打卡时间以及工人施工范围，并对外来人员信息进行记录；区域划分模块用于采集工作人员布置的固定信号端数据信息进行区域划分，并实时更新工地区域范围。
[0066]
具体的，区域划分模块接收各固定信号端发送的模拟信号，并确定各组固定信号端位置，之后通过外部监控采集工地图像信息，并将采集到的影像信息进行逐帧提取以获取工地图片，依据各工地图片显示比列进行分块处理，之后对分块后的各组工地图片通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理，之后形成三维的工地模型，然后根据固定信号端的位置坐标，设置对应预警范围限界。
[0067]
定位模块用于对各工人位置信息进行确认并实时更新工人位置信息；轨迹记录模块用于接收定位模块反馈的各工人位置信息，并生成各工人移动轨迹以及移动时间。
[0068]
动态分配模块用于采集各工地区域工人信息并进行人力分配。
[0069]
具体的，动态分配模块接收各定位模块发送的信号，并对各祖信号进行编码以实现定位模块的身份认证，之后将各工人所在位置匹配至工地模型，接收外部监控发送的监控影像，再通过逐帧提取以获取图片数据，通过图像金字塔对各图片数据进行尺度归一化处理，并提取各组图片数据的特征，再将提取出的特征送入双向特征金字塔进行特征融合，再将融合结果进行分类回归以输出检测框，之后对图片数据中目标检测框信息进行收集，并生成对应检测框坐标，依据收集的检测框信息对图片数据进行扩大化剪裁，并提取各组图片中的工人信息，同时将各工人与各定位模块进行匹配，之后对各工人在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态，动态分配模块依据定位信息、工人所在位置以及工人运动状态判断工人当前状态是工作还是休息，当工人工作时间达到预设阈值后，则提示该工人进行休息，并与休息时间达到预设阈值的工人进行工作交接。
[0070]
本实施例中，扩大化剪裁计算公式如下：
[0071]
x1
′
＝max(x1-|x2-x1|*e,0)
ꢀꢀ
(1)
[0072]
x2
′
＝min(x2+|x2-x1|*e,width)
ꢀꢀ
(2)
[0073]
y1
′
＝max(y1-|y2-y1|*e,0)
ꢀꢀ
(3)
[0074]
y2
′
＝min(y2+|y2-y1|*e,height)
ꢀꢀ
(4)
[0075]
其中，width以及height分别代表待检测巡检图片的宽和高，单位为像素，e代表扩大率；
[0076]
运动状态具体定义形式如下：
[0077][0078]
式中，s代表跟踪目标的运动状态，(x,y,w,h)代表跟踪目标边界包围框的中心点坐标和宽高，代表相对应的跟踪目标速度值。
[0079]
实施例2
[0080]
参照图1-3，一种基于物联网的工地安全管理系统，包括管理平台、员工平台、人员
登记模块、区域划分模块、定位模块、轨迹记录模块、动态分配模块、设备分析模块、声光报警模块以及区块存储模块。
[0081]
设备分析模块用于对工地各施工设备运行信息进行采集并进行异常分析。
[0082]
具体的，设备分析模块采集各设备过往运行信息，之后将各组数据分别整合成各设备的样本数据集，再统计各样本平均值，并计算各样本数据集的标准偏差，依据计算出的标准偏差筛除各样本数据集中的异常数据，再对剩余数据进行归一化处理，之后构建一组卷积神经网络，并依据预设信息确定该网络参数以及各神经网络层神经元数，之后将各组样本数据集传入该卷积神经网络中，确定卷积神经网络中心向量值以获取对应线性组合，之后定义该卷积神经网络多轮学习后的能量函数，当能量函数小于目标误差时，训练过程结束并输出分析模型，再测试该分析模型运行损失值，并对该模型参数进行实时更新，参数更新完成后，设备分析模块通过传感器实时采集各施工设备运行信号，同时对运行信号进行预处理，并通过时域和频域的方法提取特征参数，之后设置设备样本标签，再将其划分为训练集以及测试集，并将训练集标准化处理，将训练集输送到分析模型中，设置模型具体参数，采用长期迭代法训练该分析模型，并将测试集输入到训练好的模型中，输出运行预测曲线，并加以分析，同时将存在异常运行情况的施工设备反馈给管理人员，且通知该施工设备附近工人暂停使用该设备。
[0083]
需要进一步说明的是，在该分析模型的规定区间内初始化网络连接权值，之后从训练时的输入以及输出对的集合中提交训练样本，并计算该分析模型的输出，在比较期望的网络输出与实际的网络输出，并且计算所有神经元的局部误差，当局部误差超出工作人员预设阈值后，依据学习规则方程对该分析模型的权值进行训练以及更新，并依据预设的学习率以及步长列出所有可能的数据结果，对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练测试模型后对测试集进行检测，并统计检测结果的均方根误差，将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换分析模型原有参数。
[0084]
本实施例中，局部误差具体计算公式如下：
[0085][0086]
其中，代表第l个隐含层中第q个神经元的输出；
[0087]
学习规则方程具体如下：
[0088][0089]
式中，代表第l个隐含层的权值，j代表输出层输出结果，η
(l)
是与各个网络层相对应的学习率参数。
[0090]
声光报警模块用于向存在异常行为的工人，或位于异常设备附近的工人发出警报，并闪烁红灯进行警示；区块存储模块用于将该工地管理信息进行上链存储。
[0091]
具体的，区块存储模块将工地管理信息预处理成符合条件的区块，并上传区块链网络，之后区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识码，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送，当该候选节
点成为领导节点，其他节点成为跟随节点，之后领导节点广播区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数，并使用重复次数最多的信息生成区块头，并向领导节点发送验证申请，验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至区块链上并返回候选身份。

技术特征：
1.一种基于物联网的工地安全管理系统，其特征在于，包括管理平台、员工平台、人员登记模块、区域划分模块、定位模块、轨迹记录模块、动态分配模块、设备分析模块、声光报警模块以及区块存储模块；所述管理平台用于查看工人信息，同时收集工地各项信息并实时展示；所述员工平台用于验证工人信息并记录员工信息；所述人员登记模块用于记录工人上下班打卡时间以及工人施工范围，并对外来人员信息进行记录；所述区域划分模块用于采集工作人员布置的固定信号端数据信息进行区域划分，并实时更新工地区域范围；所述定位模块用于对各工人位置信息进行确认并实时更新工人位置信息；所述轨迹记录模块用于接收定位模块反馈的各工人位置信息，并生成各工人移动轨迹以及移动时间；所述动态分配模块用于采集各工地区域工人信息并进行人力分配；所述设备分析模块用于对工地各施工设备运行信息进行采集并进行异常分析；所述声光报警模块用于向存在异常行为的工人，或位于异常设备附近的工人发出警报，并闪烁红灯进行警示；所述区块存储模块用于将该工地管理信息进行上链存储。2.根据权利要求1所述的一种基于物联网的工地安全管理系统，其特征在于，所述区域划分模块区域范围划分具体步骤如下：步骤一：区域划分模块接收各固定信号端发送的模拟信号，并确定各组固定信号端位置，之后通过外部监控采集工地图像信息，并将采集到的影像信息进行逐帧提取以获取工地图片；步骤二：依据各工地图片显示比列进行分块处理，之后对分块后的各组工地图片通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理，之后形成三维的工地模型，然后根据固定信号端的位置坐标，设置对应预警范围限界。3.根据权利要求2所述的一种基于物联网的工地安全管理系统，其特征在于，所述动态分配模块人力分配具体步骤如下：步骤(1)：动态分配模块接收各定位模块发送的信号，并对各祖信号进行编码以实现定位模块的身份认证，之后将各工人所在位置匹配至工地模型；步骤(2)：接收外部监控发送的监控影像，再通过逐帧提取以获取图片数据，通过图像金字塔对各图片数据进行尺度归一化处理，并提取各组图片数据的特征，再将提取出的特征送入双向特征金字塔进行特征融合，再将融合结果进行分类回归以输出检测框；步骤(3)：对图片数据中目标检测框信息进行收集，并生成对应检测框坐标，依据收集的检测框信息对图片数据进行扩大化剪裁，并提取各组图片中的工人信息，同时将各工人与各定位模块进行匹配，之后对各工人在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态；步骤(4)：动态分配模块依据定位信息、工人所在位置以及工人运动状态判断工人当前状态是工作还是休息，当工人工作时间达到预设阈值后，则提示该工人进行休息，并与休息时间达到预设阈值的工人进行工作交接。
4.根据权利要求3所述的一种基于物联网的工地安全管理系统，其特征在于，步骤(3)所述扩大化剪裁计算公式如下：x1
′
＝max(x1-|x2-x1|*e,0)
ꢀꢀ
(1)x2
′
＝min(x2+|x2-x1|*e,width)
ꢀꢀ
(2)y1
′
＝max(y1-|y2-y1|*e,0)
ꢀꢀ
(3)y2
′
＝min(y2+|y2-y1|*e,height)
ꢀꢀ
(4)其中，width以及height分别代表待检测巡检图片的宽和高，单位为像素，e代表扩大率；步骤(3)所述运动状态具体定义形式如下：式中，s代表跟踪目标的运动状态，(x,y,w,h)代表跟踪目标边界包围框的中心点坐标和宽高，代表相对应的跟踪目标速度值。5.根据权利要求1所述的一种基于物联网的工地安全管理系统，其特征在于，所述设备分析模块异常分析具体步骤如下：步骤
①
：设备分析模块采集各设备过往运行信息，之后将各组数据分别整合成各设备的样本数据集，再统计各样本平均值，并计算各样本数据集的标准偏差，依据计算出的标准偏差筛除各样本数据集中的异常数据；步骤
②
：对剩余数据进行归一化处理，之后构建一组卷积神经网络，并依据预设信息确定该网络参数以及各神经网络层神经元数，之后将各组样本数据集传入该卷积神经网络中；步骤
③
：确定卷积神经网络中心向量值以获取对应线性组合，之后定义该卷积神经网络多轮学习后的能量函数，当能量函数小于目标误差时，训练过程结束并输出分析模型，再测试该分析模型运行损失值，并对该模型参数进行实时更新；步骤
④
：设备分析模块通过传感器实时采集各施工设备运行信号，同时对运行信号进行预处理，并通过时域和频域的方法提取特征参数，之后设置设备样本标签，再将其划分为训练集以及测试集，并将训练集标准化处理；步骤
⑤
：将训练集输送到分析模型中，设置模型具体参数，采用长期迭代法训练该分析模型，并将测试集输入到训练好的模型中，输出运行预测曲线，并加以分析，同时将存在异常运行情况的施工设备反馈给管理人员，且通知该施工设备附近工人暂停使用该设备。6.根据权利要求5所述的一种基于物联网的工地安全管理系统，其特征在于，步骤
③
所述分析模型参数更新具体步骤如下：步骤ⅰ：在该分析模型的规定区间内初始化网络连接权值，之后从训练时的输入以及输出对的集合中提交训练样本，并计算该分析模型的输出，在比较期望的网络输出与实际的网络输出，并且计算所有神经元的局部误差；步骤ⅱ：当局部误差超出工作人员预设阈值后，依据学习规则方程对该分析模型的权值进行训练以及更新，并依据预设的学习率以及步长列出所有可能的数据结果；步骤ⅲ：对于每一组数据，选取任意一个子集作为测试集，其余子集作为训练集，训练测试模型后对测试集进行检测，并统计检测结果的均方根误差；
步骤ⅳ：将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优的参数并替换分析模型原有参数。7.根据权利要求6所述的一种基于物联网的工地安全管理系统，其特征在于，步骤ⅰ所述局部误差具体计算公式如下：其中，代表第l个隐含层中第q个神经元的输出；步骤ⅱ所述学习规则方程具体如下：式中，代表第l个隐含层的权值，j代表输出层输出结果，η
(l)
是与各个网络层相对应的学习率参数。8.根据权利要求1所述的一种基于物联网的工地安全管理系统，其特征在于，所述区块存储模块上链存储具体步骤如下：第一步：区块存储模块将工地管理信息预处理成符合条件的区块，并上传区块链网络，之后区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识码，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送；第二步：当该候选节点成为领导节点，其他节点成为跟随节点，之后领导节点广播区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数，并使用重复次数最多的信息生成区块头，并向领导节点发送验证申请；第三步：验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至区块链上并返回候选身份。

技术总结
本发明公开了一种基于物联网的工地安全管理系统，属于工地安全管理领域，包括管理平台、员工平台、人员登记模块、区域划分模块、定位模块、轨迹记录模块、动态分配模块、设备分析模块、声光报警模块以及区块存储模块；本发明无需管理人员人工监管工人，同时避免工人因工作时间过长导致意外发生，保证工人劳逸结合，提高其工作积极性以及工作效率，能够自行建模以及寻参，有效的提高对各施工设备的检测精度，有效的预防工人因设备异常导致受伤，保证工人安全，同时能够提前预测设备运行信息，保证设备更换以及维护的及时性。证设备更换以及维护的及时性。证设备更换以及维护的及时性。


技术研发人员：余成柱 杨勇 叶兴盛 林尧 邵振华 陈英存
受保护的技术使用者：闽晟集团城建发展有限公司 福建省尧舜发展有限公司 闽江学院
技术研发日：2023.05.30
技术公布日：2023/8/28