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）正式刊登公司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。论文第一单位为赢博APP官网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。
