近日，建筑工程信息化领域的国际顶级期刊《Automation in Construction》（建造自动化）正式刊登我院丁超副教授学术成果“Identifying unsafe behaviors of construction workers through an unsupervised multi-anomaly GAN approach”（基于无监督多异常GAN方法识别建筑工人的不安全行为）。丁超副教授为论文第一作者，硕士生刘祺龙为论文第二作者及通讯作者，郭晓文讲师为第三作者，硕士生薛童童为第四作者，王振华讲师为第五作者。论文第一单位为内蒙古科技大学土木工程学院和内蒙古自治区高校智能建造与运维工程研究中心。
Automation in Construction（建造自动化）期刊自1992年创刊（Elsevier出版社），是建筑工程信息化领域的国际顶级期刊之一，由欧洲计算机辅助建筑设计教育协会（eCAADe）、国际建筑自动控制与机器人协会(IAARC)和国际建筑工程研究创新学会(C.I.B.)等国际组织和协会支持，涵盖建筑工程与信息技术交叉研究，主要发表有关建筑设计、施工、运维管理中相关信息技术（IT）的原创性研究论文。该杂志目前为中科院一区Top期刊，影响因子为10.3，在全世界建筑工程信息化领域具有广泛影响力。
建筑工人的不安全行为往往会导致施工事故的发生，而传统的安全监测方法效率低、时效性差。尽管深度学习已被广泛应用于建筑工地不安全行为的检测，但大多数研究仍集中在用于检测个人防护装备使用情况的监督学习，对工人行为的关注较少。为了检测建筑工人的不安全行为，该研究开发了一个基于GAN和五个伪异常合成器的非监督学习模型——多异常GAN。同时，在研究中还构建了一个以塔式起重机边缘为场景的训练数据集（WeTeam22），以弥补建筑工人行为数据集的不足。在WeTeam22上进行训练后，与基线方法相比，多异常GAN在AUC、EER和F1得分上取得了更好的结果，该模型有效地识别了测试过程中的不安全行为。该研究证明了多异常GAN在检测工地不安全行为方面的有效性，为解决这一问题提供了一种新颖有效的检测方案。
该研究成果可用于建筑施工过程中工人不安全行为的监测，能够提高建设施工过程的安全生产水平，具有重要的工程价值和经济价值。
