Automated Project Monitoring and Control of Indoor Construction Activities using 360 Degree Camera and Deep Learning. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (Master thesis) AHMED FINAL THESIS AUTOMATED PROGRESS MONITORING (1).pdf - Accepted Version Restricted to Repository staff only until 11 May 2027. Download (6MB)

Arabic Abstract

تُعدّ متابعة تقدم الأعمال الإنشائية عنصرًا أساسيًا في الإدارة الفاعلة للمشروعات داخل البيئات الإنشائية الداخلية؛ إلا أن أعمال المتابعة لا تزال تُنفَّذ في الغالب بأساليب يدوية، مما يجعلها مستهلكة للوقت، وكثيفة الاعتماد على العمالة، ومعرضة لعدم الاتساق والأخطاء البشرية. وتتضح هذه الإشكالية بصورة أكبر في أعمال التشطيبات الداخلية مثل اللياسة، والتبليط، والدهانات، حيث تكون سجلات التقدم غالبًا ذات طابع شخصي ويصعب توحيدها ومعايرتها. ولمعالجة هذه المشكلة، تقترح هذه الدراسة نموذجًا عمليًا للمراقبة والتحكم الآلي في تقدم أعمال التشييد الداخلية من خلال دمج الصور الميدانية فائقة الاتساع الملتقطة باستخدام كاميرا Insta360 X4، ونموذج تقسيم قائم على تعلّم الآلة (Segment Anything Model (SAM))، ونمذجة معلومات البناء (Building Information Modeling (BIM)). ويعتمد هذا النهج على تسجيل مشاهدات تصويرية متكررة على فترات زمنية ثابتة، وتنفيذ تقسيم تفاعلي للأعمال المنجزة باستخدام محددات الصندوق الإحاطي، ثم قياس نسبة الإنجاز من خلال حساب تغطية القناع على مستوى عناصر الجدران والأرضيات. وترتبط بيانات التقدم الناتجة (النسبة المئوية للإنجاز) بعناصر نموذج BIM، ثم تُدمج مع البيانات المخططة وبيانات التكلفة من أجل حساب مؤشرات إدارة القيمة المكتسبة وإنتاج تقارير أداء بصورة آلية. وقد تم التحقق من فاعلية النموذج من خلال دراسة حالة لمشروع سكني يركّز على أنشطة التشطيبات الداخلية. وأظهرت النتائج أن البيانات البصرية الميدانية يمكن تحويلها إلى معلومات منظمة عن التقدم ومؤشرات للتحكم في المشروع. كما كشفت التحليلات على مستوى المحفظة، والتخصصات، والعناصر عن وجود انحرافات في التكلفة والجدول الزمني، مع بروز أعمال التبليط بوصفها أحد أهم مسببات تجاوزات التكلفة. كذلك دعمت قوائم المراقبة الآلية للأداء عملية تحديد العناصر منخفضة الأداء، بما يؤكد جدوى دمج قياس التقدم المعتمد على الذكاء الاصطناعي مع التحكم في المشروع القائم على BIM. ويدعم النموذج المقترح تنفيذ مراقبة يومية، متكررة، وموضوعية لتقدم الأعمال الداخلية باستخدام معدات متاحة بسهولة وبحدٍّ أدنى من التفاعل البشري

English Abstract

Construction progress tracking is essential for effective project management in indoor construction environments; however, monitoring is still predominantly manual, making it time-consuming, labor-intensive, and prone to inconsistency and human error. This limitation is particularly evident in indoor finishing trades such as plastering, tiling, and painting, where progress records are often subjective and difficult to standardize. To address this challenge, this research proposes a feasible integrated model for automated monitoring and control of indoor construction progress by integrating ultra-wide site imagery captured using an Insta360 X4 camera, a machine-learning-based segmentation model (Segment Anything Model, SAM), and Building Information Modeling (BIM). The approach records repeatable image observations at fixed intervals, performs interactive segmentation of completed work using bounding-box prompts, and quantifies completion as mask coverage at the wall and floor element level. The resulting progress (% complete) is linked to BIM elements and combined with planned and cost inputs to compute Earned Value Management metrics and automatically generate performance reports. The model is validated through a residential case study focused on finishing indoor activities. The results demonstrate that the proposed framework effectively transforms images of indoor construction activities into structured and quantifiable progress information suitable for project control applications. The integration of ultra-wide imagery, machine learning–based segmentation, and BIM enabled consistent and repeatable measurement of work completion across indoor finishing activities. .At the portfolio, trade, and element levels, the analysis revealed notable cost and schedule deviations. Among the evaluated trades, painting was identified as the primary contributor to cost overruns, reflecting discrepancies between planned and actual performance. The system’s ability to disaggregate progress at finer levels provided enhanced visibility into localized inefficiencies that are typically overlooked in conventional reporting methods. Furthermore, the automated generation of Earned Value Management (EVM) metrics allowed continuous performance assessment without reliance on subjective manual input. The incorporation of performance watchlists proved particularly effective in highlighting underperforming elements in near real time, enabling proactive decision-making and timely corrective actions. The findings confirm that the proposed approach delivers accurate, objective, and scalable progress monitoring in indoor construction environments. The results also highlight its potential to improve transparency, reduce reporting bias, and support data-driven project control through seamless integration of AI-based measurements with BIM.

Item Type:	Thesis (Masters)
Subjects:	Construction Civil Engineering Engineering
Department:	College of Design and Built Environment > Architectural Engineering and Construction Management
Thesis Advisor:	Awsan Mohammed,
Thesis Committee Members:	Hamzah Luqman, Khwaja Mazher,
Depositing User:	AHMED - (g202317170)
Date Deposited:	13 May 2026 06:35
Last Modified:	13 May 2026 06:35
URI:	https://eprints.kfupm.edu.sa/id/eprint/144217