CN108827254A - 一种多功能一体化建筑工程质量检测仪 - Google Patents

Abstract

本发明属于工程检测技术领域，公开了一种多功能一体化建筑工程质量检测仪，设置有：显示屏；显示屏嵌接在伸缩杆一侧；显示屏下端销接有排式开关；排式开关下端安装有电源；电源右端安装有充电口，充电口上端销接有平衡测量器；伸缩杆共两根，通过转轴活动连接；转轴下端固定有卡扣；伸缩杆一侧螺钉固定有橡胶垫；伸缩杆的内壁嵌装有固定按钮；伸缩杆末端螺钉固定有底座；伸缩杆的侧面卡接有打印设备，电连接至显示屏；伸缩杆的顶端嵌装有摄像头。本发明操作简单，携带方便，功能齐全，通过数字化检测代替了传统的检测方式，使质量检测结果更加精确，提高了工作效率。

Description

一种多功能一体化建筑工程质量检测仪

技术领域

本发明属于工程检测技术领域，尤其涉及一种多功能一体化建筑工程质量检测仪。

背景技术

目前，在工程完工后需要对工程进行质量检测，以往的人工检测效率低、检测误差较大，从而延迟工程交付进程，带来不必要的费用；同时，在检测过程中，工作人员需要携带体积较大的测量工具，耗费体力，不利于工作的进行。

综上所述，现有技术存在的问题是：人工检测效率低、检测误差较大，从而延迟工程交付进程，带来不必要的费用；同时，在检测过程中，工作人员需要携带体积较大的测量工具，耗费体力，不利于工作的进行。

发明内容

针对现有技术存在的问题，本发明提供了一种多功能一体化建筑工程质量检测仪。

本发明是这样实现的，一种多功能一体化建筑工程质量检测仪设置有：

显示屏；所述显示屏嵌接在伸缩杆一侧；所述显示屏下端销接有排式开关；所述排式开关下端安装有电源；所述电源右端安装有充电口，充电口上端销接有平衡测量器；所述伸缩杆共两根，通过转轴活动连接；所述转轴下端固定有卡扣；所述伸缩杆一侧螺钉固定有橡胶垫；所述伸缩杆的内壁嵌装有固定按钮；所述伸缩杆末端螺钉固定有底座；所述伸缩杆的侧面卡接有打印设备，电连接至显示屏；所述伸缩杆的顶端嵌装有摄像头；

所述摄像头的图像变化检测方法包括：

(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到去噪后图像I₁和去噪后图像I₂；

(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I₁和去噪后图像I₂进行运算，得到对数比值差异图X_l和均值比值差异图X_m，计算公式如下：

其中，μ₁，μ₂分别表示I₁和I₂的局部均值；

(3)对得到的对数比值差异图X_l和均值比值差异图X_m进行特征描述，得到对应的特征描述矩阵X_L和特征描述矩阵X_M；

(4)对得到的特征描述矩阵X_L和特征描述矩阵X_M，利用各列向量的欧氏距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W₁和W₂；

(5)对得到的亲和矩阵W₁和W₂，利用基于亲和矩阵融合谱聚类方法对其进行聚类；

(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚类结果，按照对数比值差异图X_l或均值比值差异图X_m中对应像素的排列顺序，恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；

所述显示屏密钥(M,S)用来加密Tree输出CTree包括：数据拥有者提取所有图像的特征向量f_i＝{f_i1,f_i2,...,f_iL}，i＝1,2,...,n，矩阵M和随机串S是用来加密特征向量的密钥；把树形索引Tree加密生成CTree，对于CTree的每一个向量，加密方式如下：

CTree的每个节点存储着其对应的哈希值，且其叶子节点对应着其相应的加密图像；

GenSearch(Q_q)：用户对检索图像提取特征向量f_q，使用相同的密钥对特征向量进行加密，得到Q_q：

将加密后的查询特征上传给云服务器，收到Q_q之后，检索过程从CTree顶端开始，执行到叶子节点；在CTree的每一层，云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层，当Q_q到达叶子节点，云将返回最相关的图像的列表，与加密的图像相对应；将所有查询到的图像返回给用户；

所述显示屏的混合形变模型的集成方法包括如下步骤：

3.1)为检测到不同尺度下的敏感器官，对敏感器官样本图像进行采样，得到不同分辨率的图像，组成图像金字塔；对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征，用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔；

3.2)根据某种敏感器官的特定姿态训练可形变部件模型，可形变部件模型用β＝(F₀,…,F_n,d₁,…,d_n,b)表示，其中，F₀表示根滤波器，F₁,…,F_n表示n个部件滤波器，d_i表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价，b表示模型的偏移量；

可形变部件模型的隐含参数z＝(p₀,…,p_n)，p指示滤波器在塔形特征H上取特征时的位置信息，p＝(x,y,l)，表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征；

根据隐含参数z所指示的位置信息，可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z)：

ψ(H,z)＝(φ(H,p₀),…,φ(H,p_n),-φ_d(dx₁,dy₁),…,-φ_d(dx_n,dy_n),1)

式中，φ(H,p)表示在塔形特征H的p位置上的特征向量，φ_d(dx_i,dy_i)＝(dx_i,dy_i,dx_i ²,dy_i ²)衡量第i个部件滤波器与“锚点”位置之间的形变代价；3.3)由于色情图像中的敏感器官存在姿态多样性，所以针对每种敏感器官，根据其姿态的个数m，采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型M_c，c＝1,…,m，然后将m个可形变部件模型集成起来组成混合形变模型M＝(M₁,…,M_m)。

进一步，所述排式开关设计有六个键，分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。

进一步，所述伸缩杆上端安装有照明灯。

进一步，所述打印设备的侧面设有笔槽。

本发明的优点及积极效果为：该发明采用平衡测量器提高了质量检测结果；显示屏可实时显示并记录测量的数据，并通过打印设备一体打印测量结果，代替了手写的方式，数字化检测代替了传统的检测方式，使质量检测结果更加精确，减小了工作人员的工作量，提高了工作效率；伸缩杆的设置可自由伸缩至测量点，避免了受到身高的限制；摄像头可实时记录检测过程，便于后期查看校验；照明灯的设置解决了建筑内部较黑对检测工作带来的不便，缩短了检测的时间；通过笔槽可随时卡接书写笔，随时对打印结果签字记录，方便了检测过程的使用；本发明操作简单，携带方便，功能齐全，具有很大的实用意义。

附图说明

图1是本发明实施例提供的多功能一体化建筑工程质量检测仪展开示意图；

图2是本发明实施例提供的多功能一体化建筑工程质量检测仪结构示意图；

图中：1、显示屏；2、排式开关；3、电源；4、充电口；5、平衡测量器；6、转轴；7、卡扣；8、伸缩杆；9、橡胶垫；10、固定按钮；11、底座；12、照明灯；13、摄像头；14、打印设备；15、笔槽。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图1和附图2详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1和图2所示，多功能一体化建筑工程质量检测仪设置有：

显示屏1；

所述显示屏1嵌接在伸缩杆8一侧；

所述显示屏1下端销接有排式开关2；

所述排式开关2下端安装有电源3；

所述电源3右端安装有充电口4，充电口4上端销接有平衡测量器5；

所述伸缩杆8共两根，通过转轴6活动连接；

所述转轴6下端固定有卡扣7；

所述伸缩杆8一侧螺钉固定有橡胶垫9；

所述伸缩杆8的内壁嵌装有固定按钮10；

所述伸缩杆8末端螺钉固定有底座11；

所示伸缩杆8的侧面卡接有打印设备14，电连接至显示屏1；

所示伸缩杆8的顶端嵌装有摄像头13。

所述摄像头的图像变化检测方法包括：

(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到去噪后图像I₁和去噪后图像I₂；

(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I₁和去噪后图像I₂进行运算，得到对数比值差异图X_l和均值比值差异图X_m，计算公式如下：

其中，μ₁，μ₂分别表示I₁和I₂的局部均值；

(3)对得到的对数比值差异图X_l和均值比值差异图X_m进行特征描述，得到对应的特征描述矩阵X_L和特征描述矩阵X_M；

(4)对得到的特征描述矩阵X_L和特征描述矩阵X_M，利用各列向量的欧氏距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W₁和W₂；

(5)对得到的亲和矩阵W₁和W₂，利用基于亲和矩阵融合谱聚类方法对其进行聚类；

(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚类结果，按照对数比值差异图X_l或均值比值差异图X_m中对应像素的排列顺序，恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；

所述显示屏密钥(M,S)用来加密Tree输出CTree包括：数据拥有者提取所有图像的特征向量f_i＝{f_i1,f_i2,...,f_iL}，i＝1,2,...,n，矩阵M和随机串S是用来加密特征向量的密钥；把树形索引Tree加密生成CTree，对于CTree的每一个向量，加密方式如下：

CTree的每个节点存储着其对应的哈希值，且其叶子节点对应着其相应的加密图像；

GenSearch(Q_q)：用户对检索图像提取特征向量f_q，使用相同的密钥对特征向量进行加密，得到Q_q：

将加密后的查询特征上传给云服务器，收到Q_q之后，检索过程从CTree顶端开始，执行到叶子节点；在CTree的每一层，云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层，当Q_q到达叶子节点，云将返回最相关的图像的列表，与加密的图像相对应；将所有查询到的图像返回给用户；

所述显示屏的混合形变模型的集成方法包括如下步骤：

3.1)为检测到不同尺度下的敏感器官，对敏感器官样本图像进行采样，得到不同分辨率的图像，组成图像金字塔；对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征，用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔；

3.2)根据某种敏感器官的特定姿态训练可形变部件模型，可形变部件模型用β＝(F₀,…,F_n,d₁,…,d_n,b)表示，其中，F₀表示根滤波器，F₁,…,F_n表示n个部件滤波器，d_i表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价，b表示模型的偏移量；

可形变部件模型的隐含参数z＝(p₀,…,p_n)，p指示滤波器在塔形特征H上取特征时的位置信息，p＝(x,y,l)，表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征；

根据隐含参数z所指示的位置信息，可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z)：

ψ(H,z)＝(φ(H,p₀),…,φ(H,p_n),-φ_d(dx₁,dy₁),…,-φ_d(dx_n,dy_n),1)

式中，φ(H,p)表示在塔形特征H的p位置上的特征向量，φ_d(dx_i,dy_i)＝(dx_i,dy_i,dx_i ²,dy_i ²)衡量第i个部件滤波器与“锚点”位置之间的形变代价；3.3)由于色情图像中的敏感器官存在姿态多样性，所以针对每种敏感器官，根据其姿态的个数m，采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型M_c，c＝1,…,m，然后将m个可形变部件模型集成起来组成混合形变模型M＝(M₁,…,M_m)。

作为本发明的优选实施例，所述排式开关2设计有六个键，分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。

作为本发明的优选实施例，所述伸缩杆8上端安装有照明灯12。

作为本发明的优选实施例，所述打印设备14的侧面设有笔槽15。

本发明的工作原理：通过充电口4对电源3充电，按下排式开关2上相应的按钮，橡胶垫9增大握持摩擦力，显示屏1上显示出平衡测量器5的角度和平衡测量结果，可通过打印设备14进行实时打印；将转轴6展开一定的角度，配合卡扣7将转轴6进行固定，从而对建筑工程的水平度、垂直度进行测量，在黑暗情况下，可打开照明灯12进行照明，通过固定按钮10可调节伸缩杆8的长度，以适应不同的测量环境；检测过程中，摄像头13可对检测过程进行实时记录。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (4)

1.一种多功能一体化建筑工程质量检测仪，其特征在于，所述多功能一体化建筑工程质量检测仪设置有：

显示屏；所述显示屏嵌接在伸缩杆一侧；所述显示屏下端销接有排式开关；所述排式开关下端安装有电源；所述电源右端安装有充电口，充电口上端销接有平衡测量器；所述伸缩杆共两根，通过转轴活动连接；所述转轴下端固定有卡扣；所述伸缩杆一侧螺钉固定有橡胶垫；所述伸缩杆的内壁嵌装有固定按钮；所述伸缩杆末端螺钉固定有底座；所述伸缩杆的侧面卡接有打印设备，电连接至显示屏；所述伸缩杆的顶端嵌装有摄像头；

所述摄像头的图像变化检测方法包括：

(1)对同一地域不同时间的两幅SAR原始图像分别进行去噪处理，得到去噪后图像I₁和去噪后图像I₂；

(2)分别利用对数比算子和均值比算子，对得到的去噪后图像I₁和去噪后图像I₂进行运算，得到对数比值差异图X_l和均值比值差异图X_m，计算公式如下：

其中，μ₁，μ₂分别表示I₁和I₂的局部均值；

(3)对得到的对数比值差异图X_l和均值比值差异图X_m进行特征描述，得到对应的特征描述矩阵X_L和特征描述矩阵X_M；

(4)对得到的特征描述矩阵X_L和特征描述矩阵X_M，利用各列向量的欧氏距离度量其相似度，分别构造对应的相似度矩阵，亲和矩阵W₁和W₂；

(5)对得到的亲和矩阵W₁和W₂，利用基于亲和矩阵融合谱聚类方法对其进行聚类；

(6)使用k-means聚类方法将输出的特征向量f进行聚类，将得到的像素聚类结果，按照对数比值差异图X_l或均值比值差异图X_m中对应像素的排列顺序，恢复为原始图像的尺寸，得到最终的变化检测结果图，输出结果；

所述显示屏密钥(M,S)用来加密Tree输出CTree包括：数据拥有者提取所有图像的特征向量f_i＝{f_i1,f_i2,...,f_iL}，i＝1,2,...,n，矩阵M和随机串S是用来加密特征向量的密钥；把树形索引Tree加密生成CTree，对于CTree的每一个向量，加密方式如下：

CTree的每个节点存储着其对应的哈希值，且其叶子节点对应着其相应的加密图像；

GenSearch(Q_q)：用户对检索图像提取特征向量f_q，使用相同的密钥对特征向量进行加密，得到Q_q：

将加密后的查询特征上传给云服务器，收到Q_q之后，检索过程从CTree顶端开始，执行到叶子节点；在CTree的每一层，云服务器通过计算节点和查询向量之间的汉明距离找到最小的点沿着这条路径走直到最后一层，当Q_q到达叶子节点，云将返回最相关的图像的列表，与加密的图像相对应；将所有查询到的图像返回给用户；

所述显示屏的混合形变模型的集成方法包括如下步骤：

3.1)为检测到不同尺度下的敏感器官，对敏感器官样本图像进行采样，得到不同分辨率的图像，组成图像金字塔；对图像金字塔中的每一层图像采用步骤(3)的方法将其HoG特征和GMM特征相结合作为敏感器官的特征，用H表示对图像金字塔提取了HoG特征和GMM特征相结合后的特征金字塔；

3.2)根据某种敏感器官的特定姿态训练可形变部件模型，可形变部件模型用β＝(F₀,…,F_n,d₁,…,d_n,b)表示，其中，F₀表示根滤波器，F₁,…,F_n表示n个部件滤波器，d_i表示该形变模型的第i个部件滤波器相对根滤波器中“锚点”位置的形变代价，b表示模型的偏移量；

可形变部件模型的隐含参数z＝(p₀,…,p_n)，p指示滤波器在塔形特征H上取特征时的位置信息，p＝(x,y,l)，表示滤波器在特征金字塔的第l层的(x,y)坐标位置上取特征；

根据隐含参数z所指示的位置信息，可形变部件模型的各个滤波器在塔形特征H上取得的图像特征和形变代价组成向量ψ(H,z)：

ψ(H,z)＝(φ(H,p₀),…,φ(H,p_n),-φ_d(dx₁,dy₁),…,-φ_d(dx_n,dy_n),1)

式中，φ(H,p)表示在塔形特征H的p位置上的特征向量，φ_d(dx_i,dy_i)＝(dx_i,dy_i,dx_i ²,dy_i ²)衡量第i个部件滤波器与“锚点”位置之间的形变代价；3.3)由于色情图像中的敏感器官存在姿态多样性，所以针对每种敏感器官，根据其姿态的个数m，采用步骤3.2)所述可形变部件模型训练方法训练该类敏感器官在一种姿态下的模型M_c，c＝1,…,m，然后将m个可形变部件模型集成起来组成混合形变模型M＝(M₁,…,M_m)。

2.如权利要求1所述的多功能一体化建筑工程质量检测仪，其特征在于，所述排式开关设计有六个键，分别为电源开关、数据分析开关、显示开关、照明开关、摄像开关、打印开关。

3.如权利要求1所述的多功能一体化建筑工程质量检测仪，其特征在于，所述伸缩杆上端安装有照明灯。

4.如权利要求1所述的多功能一体化建筑工程质量检测仪，其特征在于，所述打印设备的侧面设有笔槽。