CN110827264A - 一种混凝土构件表观缺陷的评价系统 - Google Patents
一种混凝土构件表观缺陷的评价系统 Download PDFInfo
- Publication number
- CN110827264A CN110827264A CN201911078372.5A CN201911078372A CN110827264A CN 110827264 A CN110827264 A CN 110827264A CN 201911078372 A CN201911078372 A CN 201911078372A CN 110827264 A CN110827264 A CN 110827264A
- Authority
- CN
- China
- Prior art keywords
- module
- evaluation
- unit
- information
- option
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 103
- 230000007547 defect Effects 0.000 title claims abstract description 84
- 239000004567 concrete Substances 0.000 title claims abstract description 78
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 27
- 238000013075 data extraction Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012552 review Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000012916 structural analysis Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 5
- 241000288113 Gallirallus australis Species 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011178 precast concrete Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009417 prefabrication Methods 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/18—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring depth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/38—Concrete; Lime; Mortar; Gypsum; Bricks; Ceramics; Glass
- G01N33/383—Concrete or cement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Ceramic Engineering (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种混凝土构件表观缺陷的评价系统,包括缺陷数据获取模块、缺陷数据提取模块、评价规则模块和回评模块;缺陷数据获取模块,通过智能设备定时的采集混凝土构件表观缺陷信息;缺陷数据提取模块,通过混凝土构件的图像处理,获取裂缝长度、宽度和形态信息,掉块面积和深度信息,渗水状态和渗水面积信息;评价规则模块包括评价类型单元和评价模板单元,评价类型单元设置为裂缝选项、掉块选项和渗水选项,评价类型单元接收缺陷数据提取模块获取的信息并根据接收的信息选择裂缝选项、掉块选项和渗水选项中一项;回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件。
Description
技术领域
本发明涉及结构工程技术领域,尤其是涉及一种混凝土构件表观缺陷的评价系统。
背景技术
现浇钢筋混凝土结构施工过程中现场制作多,湿作业多,有大量模板工程、脚手架工程等中间环节,浪费资源,污染环境;从业人员素质、施工环境等对建造质量影响很大,带来建筑性能、质量和耐久性等问题。要改变现状,应大力发展预制混凝土结构,减少现场制作混凝土结构量,提高预制化率。预制混凝土结构的主要结构构件在工厂里制作,生产效率高、质量好,节省资源和能源,有利于可持续发展。采用预制混凝土结构是建筑工业化发展的方向。
随着混凝土构件使用时间的增长,材料性能退化,设计施工阶段的质量缺陷发展劣化,加之不良地质条件、恶劣气候变化、突发灾害事故的不利影响,裂缝、掉块、渗漏水等混凝土构件病害广泛发生。面对普遍存在的混凝土构件病害问题,人工为主的常规巡检加上定期检测的养护作业方法在时效性、准确性、经济性方面的弊端不断彰显,以智能机器人为主的新技术手段快速发展,相关标准规范定性为主、人工评测的评价方法存在主观性,难以满足数字化、信息化的应用需求。
发明内容
本发明的目的是提供一种混凝土构件表观缺陷的评价系统,具有对混凝土构件表面的缺陷进行评估,处理效率高的优点。
本发明的上述发明目的是通过以下技术方案得以实现的:一种混凝土构件表观缺陷的评价系统,包括缺陷数据获取模块、缺陷数据提取模块、评价规则模块、存储模块、回评模块和中央处理模块;
所述缺陷数据获取模块、所述缺陷数据提取模块、所述评价规则模块、所述存储模块和所述回评模块分别与所述中央处理模块通信连接;
所述缺陷数据获取模块,通过智能设备定时的采集混凝土构件表观缺陷信息;
所述缺陷数据提取模块,通过混凝土构件的图像处理,获取裂缝长度、宽度和形态信息,掉块面积和深度信息,渗水状态和渗水面积信息;
所述评价规则模块包括评价类型单元和评价模板单元,所述评价类型单元设置为裂缝选项、掉块选项和渗水选项,评价类型单元接收所述缺陷数据提取模块获取的信息并根据接收的信息选择裂缝选项、掉块选项和渗水选项中一项或者多项,评价类型单元输出被选定的选项;
所述评价模板单元设置为多个文本框,评价模板单元接收所述缺陷数据提取模块获取的信息并根据接收的信息选择文本框,同时向文本框中添加文字信息,评价模板单元输出被选定文本框内的文字信息;
所述存储模块接收所述评价规则模块输出的信息,所述回评模块调用所述存储模块存储的信息,所述回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件。
采用上述技术方案,操作者可以通过预先设定好评价规则,评价规则包括评价类型和评价模板,回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件,不需要人工一一测试,处理效率高。
本发明进一步设置为:所述评价规则模块还包括规则名称单元,所述规则名称单元接收所述缺陷数据提取模块获取的信息并根据接收的信息形成选项卡名称,规则名称单元将选项卡名称传输给所述存储模块,所述存储模块将接收的选项卡名称添加至本次设置的选项卡,当存储模块的选项卡被调用时先显示选项卡名称。
采用上述技术方案,操作者可以为每个选项卡进行单独命名,便于操作者后续查找对应的选项卡。
本发明进一步设置为:所述回评模块包括监理审查单元,所述监理审查单元对混凝土构件的文字信息进行审查。
采用上述技术方案,通过监理人员对混凝土构件的评价信息进行抽查,减少混凝土构件错误评价的情况。
本发明进一步设置为:所述回评模块还包括缺陷评级单元和专家评审单元,所述缺陷评级单元调用所述存储模块存储的信息,所述缺陷评级单元根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评级,评级包括轻度、中等和严重,当缺陷评级单元为严重时,所述存储模块调用存储的信息给所述专家评审单元进行评价。
采用上述技术方案,通过缺陷评级单元对混凝土构件的缺陷进行评级,对于评级为严重的混凝土构件进行专家评审,便于专家给出更优的修补设计和专家评价。
本发明进一步设置为:所述缺陷数据获取模块在图像识别无法获取裂缝深度信息时,通过智能设备上安装的裂缝测探仪获取裂缝深度信息。
采用上述技术方案,当图像识别无法获取裂缝深度信息时,通过裂缝测探仪获取,从而有利于信息获取的精确性。
本发明进一步设置为:所述缺陷数据提取模块包括提取单元和分类单元,所述提取单元用于从所述缺陷数据获取模块中获取混凝土构件的智能设备拍摄得到的画面资料;所述分离单元用于将提取单元中的数据按照裂缝、掉块和渗水分类。
采用上述技术方案,通过提取单元和分类单元,使得混凝土构件的缺陷评价可以按类别进行呈现。
本发明进一步设置为:所述评价规则模块还包括建立模型单元和修正单元,所述建立模型单元用于建立与混凝土构件和系统评估相适应的混凝土构件结构分析模型;所述修正单元基于深度学习,并根据理论模型与系统评估的相近程度对理论模型进行修正。
采用上述技术方案,通过建立模型单元和修正单元,使得系统评估的精确性更高。
本发明进一步设置为:所述存储模块内存储有多种常用混凝土构件的基本模型,所述建立模型单元调用所述存储模块存储与系统评估相适应的混凝土构件的基本模型。
采用上述技术方案,建立模型单元直接从存储模块中调用基本模型进行修改,将使得理论模型的建立更加快捷。
综上所述,本发明的有益技术效果为:操作者可以通过预先设定好评价规则,评价规则包括评价类型和评价模板,回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件,不需要人工一一测试,处理效率高。
附图说明
图1是本发明实施例的系统框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
一种混凝土构件表观缺陷的评价系统,如图1所示,包括缺陷数据获取模块、缺陷数据提取模块、评价规则模块、存储模块、回评模块和中央处理模块;缺陷数据获取模块、缺陷数据提取模块、评价规则模块、存储模块和回评模块分别与中央处理模块通信连接。
缺陷数据获取模块,通过智能设备定时的采集混凝土构件表观缺陷信息;缺陷数据提取模块,通过混凝土构件的图像处理,获取裂缝长度、宽度和形态信息,掉块面积和深度信息,渗水状态和渗水面积信息。缺陷数据获取模块在图像识别无法获取裂缝深度信息时,通过智能设备上安装的裂缝测探仪获取裂缝深度信息,当图像识别无法获取裂缝深度信息时,通过裂缝测探仪获取,从而有利于信息获取的精确性。
基于人工智能混凝土表面缺陷图像识别主要借助Weka开源平台下的imagefilter图片识别器。Weka作为一个公开的数据挖掘工作平台,集合了大量能承担数据挖掘任务的机器学习算法,包括对数据进行预处理,分类,回归、聚类、关联规则以及在新的交互式界面上的可视化。Weka下的imagefilter软件包就是基于LIRE全文检索技术来实现图片的检索。在LIRE中,特征是以直方图形式来表现图片的,即LIRE索引文件保存了直方图特征,同时还保存了图片名称、路径等有关图片的信息。在实现图片检索时先要读取本地创建的索引文件,进行搜索匹配,然后再去特征库中查找最相似的特征进行匹配,最后映射最相似的图片。
图片识别实际检索应用中,由于图片包含大量的信息,直接使用原始的图片像素信息进行检索的运算量非常巨大。但是完全可以从图片中提取一些特征来表现图片内容。Weka开源平台下的imagefilter图片过滤器可以将图片训练集和测试集进行特征值提取,不同混凝土图像可以通过若干特征值进行表示,当混凝土表面出现不同的缺陷时,这些特征值会存在差异,这种差异可能表现在单个特征值上也可能表现为多个特征值的组合上,人工针对单个特征值的差异具备一定的分辨能力,但很多时候这一特征并不明显,人工判定就会比较困难。
但是,机器学习就是专门解决这种问题,AI的智能特性就是体现在学习上,通过学习已有的图像数据,总结数据变化的规律从而具备分辨的能力。在对图片进行识别的过程中将会使用三种效果较好的分类器:朴素贝叶斯分类器、神经元网络分类器,简单线性回归分类器对图片进行识别与分类。通过采集不同的混凝土缺陷图片作为样本训练集,然后将需要识别的图像上传到图像数据库,通过weka软件对图像的特征值进行匹配,最后通过匹配结果进行分类与识别。
评价规则模块包括评价类型单元和评价模板单元,评价类型单元设置为裂缝选项、掉块选项和渗水选项,评价类型单元接收缺陷数据提取模块获取的信息并根据接收的信息选择裂缝选项、掉块选项和渗水选项中一项或者多项,评价类型单元输出被选定的选项。操作者可以通过吸头先设定好评价规则,评价规则包括评价类型和评价模板,回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件,不需要人工一一测试,处理效率高。
评价模板单元设置为多个文本框,评价模板单元接收缺陷数据提取模块获取的信息并根据接收的信息选择文本框,同时向文本框中添加文字信息,评价模板单元输出被选定文本框内的文字信息;存储模块接收评价规则模块输出的信息,回评模块调用存储模块存储的信息,回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件。
评价规则模块还包括规则名称单元,规则名称单元接收缺陷数据提取模块获取的信息并根据接收的信息形成选项卡名称,规则名称单元将选项卡名称传输给存储模块,存储模块将接收的选项卡名称添加至本次设置的选项卡,当存储模块的选项卡被调用时先显示选项卡名称。操作者可以为每个选项卡进行单独命名,便于操作者后续查找对应的选项卡。
评价规则模块还包括建立模型单元和修正单元,建立模型单元用于建立与混凝土构件和系统评估相适应的混凝土构件结构分析模型;修正单元基于深度学习,并根据理论模型与系统评估的相近程度对理论模型进行修正。通过建立模型单元和修正单元,使得系统评估的精确性更高。存储模块内存储有多种常用混凝土构件的基本模型,建立模型单元调用存储模块存储与系统评估相适应的混凝土构件的基本模型;建立模型单元直接从存储模块中调用基本模型进行修改,将使得理论模型的建立更加快捷。
回评模块包括监理审查单元,监理审查单元对混凝土构件的文字信息进行审查;通过监理人员对混凝土构件的评价信息进行抽查,减少混凝土构件错误评价的情况。回评模块还包括缺陷评级单元和专家评审单元,缺陷评级单元调用存储模块存储的信息,缺陷评级单元根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评级,评级包括轻度、中等和严重,当缺陷评级单元为严重时,存储模块调用存储的信息给专家评审单元进行评价。通过缺陷评级单元对混凝土构件的缺陷进行评级,对于评级为严重的混凝土构件进行专家评审,便于专家给出更优的修补设计和专家评价。
缺陷数据提取模块包括提取单元和分类单元,提取单元用于从缺陷数据获取模块中获取混凝土构件的智能设备拍摄得到的画面资料;分离单元用于将提取单元中的数据按照裂缝、掉块和渗水分类;通过提取单元和分类单元,使得混凝土构件的缺陷评价可以按类别进行呈现。
本具体实施方式的实施例均为本发明的较佳实施例,并非依此限制本发明的保护范围,故:凡依本发明的结构、形状、原理所做的等效变化,均应涵盖于本发明的保护范围之内。
Claims (8)
1.一种混凝土构件表观缺陷的评价系统,其特征在于,包括缺陷数据获取模块、缺陷数据提取模块、评价规则模块、存储模块、回评模块和中央处理模块;
所述缺陷数据获取模块、所述缺陷数据提取模块、所述评价规则模块、所述存储模块和所述回评模块分别与所述中央处理模块通信连接;
所述缺陷数据获取模块,通过智能设备定时的采集混凝土构件表观缺陷信息;
所述缺陷数据提取模块,通过混凝土构件的图像处理,获取裂缝长度、宽度和形态信息,掉块面积和深度信息,渗水状态和渗水面积信息;
所述评价规则模块包括评价类型单元和评价模板单元,所述评价类型单元设置为裂缝选项、掉块选项和渗水选项,评价类型单元接收所述缺陷数据提取模块获取的信息并根据接收的信息选择裂缝选项、掉块选项和渗水选项中一项或者多项,评价类型单元输出被选定的选项;
所述评价模板单元设置为多个文本框,评价模板单元接收所述缺陷数据提取模块获取的信息并根据接收的信息选择文本框,同时向文本框中添加文字信息,评价模板单元输出被选定文本框内的文字信息;
所述存储模块接收所述评价规则模块输出的信息,所述回评模块调用所述存储模块存储的信息,所述回评模块根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评价,并用调用的文字信息评价该混凝土构件。
2.根据权利要求1所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述评价规则模块还包括规则名称单元,所述规则名称单元接收所述缺陷数据提取模块获取的信息并根据接收的信息形成选项卡名称,规则名称单元将选项卡名称传输给所述存储模块,所述存储模块将接收的选项卡名称添加至本次设置的选项卡,当存储模块的选项卡被调用时先显示选项卡名称。
3.根据权利要求1所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述回评模块包括监理审查单元,所述监理审查单元对混凝土构件的文字信息进行审查。
4.根据权利要求3所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述回评模块还包括缺陷评级单元和专家评审单元,所述缺陷评级单元调用所述存储模块存储的信息,所述缺陷评级单元根据接收的裂缝选项、掉块选项和/或渗水选项对该混凝土构件进行评级,评级包括轻度、中等和严重,当缺陷评级单元为严重时,所述存储模块调用存储的信息给所述专家评审单元进行评价。
5.根据权利要求1所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述缺陷数据获取模块在图像识别无法获取裂缝深度信息时,通过智能设备上安装的裂缝测探仪获取裂缝深度信息。
6.根据权利要求1所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述缺陷数据提取模块包括提取单元和分类单元,所述提取单元用于从所述缺陷数据获取模块中获取混凝土构件的智能设备拍摄得到的画面资料;所述分离单元用于将提取单元中的数据按照裂缝、掉块和渗水分类。
7.根据权利要求6所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述评价规则模块还包括建立模型单元和修正单元,所述建立模型单元用于建立与混凝土构件和系统评估相适应的混凝土构件结构分析模型;所述修正单元基于深度学习,并根据理论模型与系统评估的相近程度对理论模型进行修正。
8.根据权利要求7所述的一种混凝土构件表观缺陷的评价系统,其特征在于,所述存储模块内存储有多种常用混凝土构件的基本模型,所述建立模型单元调用所述存储模块存储与系统评估相适应的混凝土构件的基本模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911078372.5A CN110827264A (zh) | 2019-11-06 | 2019-11-06 | 一种混凝土构件表观缺陷的评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911078372.5A CN110827264A (zh) | 2019-11-06 | 2019-11-06 | 一种混凝土构件表观缺陷的评价系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110827264A true CN110827264A (zh) | 2020-02-21 |
Family
ID=69552943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911078372.5A Pending CN110827264A (zh) | 2019-11-06 | 2019-11-06 | 一种混凝土构件表观缺陷的评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827264A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934179A (zh) * | 2023-09-15 | 2023-10-24 | 菏泽建工建筑设计研究院 | 一种基于大数据的建筑工程质量检测数据分析管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034433A (zh) * | 2007-01-12 | 2007-09-12 | 郑文明 | 人脸表情图像的分类及语义评判量化方法 |
CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及系统 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN109002974A (zh) * | 2018-06-29 | 2018-12-14 | 首钢京唐钢铁联合有限责任公司 | 一种钢卷表面质量分级判定方法及装置 |
CN109454006A (zh) * | 2018-10-08 | 2019-03-12 | 杭州慧知连科技有限公司 | 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法 |
CN109949289A (zh) * | 2019-03-18 | 2019-06-28 | 四川轻化工大学 | 一种基于人工智能的混凝土表面缺陷图像识别系统及方法 |
-
2019
- 2019-11-06 CN CN201911078372.5A patent/CN110827264A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034433A (zh) * | 2007-01-12 | 2007-09-12 | 郑文明 | 人脸表情图像的分类及语义评判量化方法 |
CN105911438A (zh) * | 2016-04-13 | 2016-08-31 | 国网湖南省电力公司 | 一种基于局部放电带电检测的gis风险评估方法及系统 |
CN106872472A (zh) * | 2017-01-17 | 2017-06-20 | 中交武汉港湾工程设计研究院有限公司 | 混凝土外观质量检测评价方法 |
CN109002974A (zh) * | 2018-06-29 | 2018-12-14 | 首钢京唐钢铁联合有限责任公司 | 一种钢卷表面质量分级判定方法及装置 |
CN109454006A (zh) * | 2018-10-08 | 2019-03-12 | 杭州慧知连科技有限公司 | 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法 |
CN109949289A (zh) * | 2019-03-18 | 2019-06-28 | 四川轻化工大学 | 一种基于人工智能的混凝土表面缺陷图像识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
李楠: "混凝土外观质量智能评判技术" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934179A (zh) * | 2023-09-15 | 2023-10-24 | 菏泽建工建筑设计研究院 | 一种基于大数据的建筑工程质量检测数据分析管理系统 |
CN116934179B (zh) * | 2023-09-15 | 2023-12-01 | 菏泽建工建筑设计研究院 | 一种基于大数据的建筑工程质量检测数据分析管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11341627B2 (en) | Machine learning tool for structures | |
CN110222701B (zh) | 一种桥梁病害自动识别方法 | |
Xu et al. | BrIM and UAS for bridge inspections and management | |
CN108257114A (zh) | 一种基于深度学习的输电设备缺陷自动识别方法 | |
CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及系统 | |
CN110544293B (zh) | 一种多无人机视觉协同的建筑场景识别方法 | |
CN111143932A (zh) | 一种桥梁健康状态的评估方法、装置、系统和设备 | |
CN110298768B (zh) | 一种基于bim与gis的路桥养护辅助决策系统及养护方法 | |
CN111860960A (zh) | 基于大数据互联网+区块链预测预控云智慧监理共享平台 | |
CN110689148A (zh) | 一种基于ar技术的计量设备故障检测方法 | |
CN111127465A (zh) | 一种桥梁检测报告自动生成方法及系统 | |
CN110288035A (zh) | 一种智能垃圾桶在线自主学习方法及系统 | |
CN115511367B (zh) | 生产线的质量智能管理系统 | |
CN114580978A (zh) | 一种环评报告质量检查系统及其方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
CN116205504A (zh) | 一种数字化应急预案管理方法及系统 | |
CN114387261A (zh) | 一种适用于铁路钢桥螺栓病害的自动检测方法 | |
CN115035328A (zh) | 转炉图像增量自动机器学习系统及其建立训练方法 | |
CN110827264A (zh) | 一种混凝土构件表观缺陷的评价系统 | |
CN114091944A (zh) | 云端协同的配网工程现场作业分析决策系统 | |
Katrojwar et al. | Design of Image based Analysis and Classification using Unmanned Aerial Vehicle | |
Alzarrad et al. | Automatic assessment of roofs conditions using artificial intelligence (AI) and unmanned aerial vehicles (UAVs) | |
CN117292230A (zh) | 基于多模态大模型的建筑物震害损伤智能评估方法 | |
CN110727986A (zh) | 基于bim和加权灰云聚类模型的古建筑维护模型获取方法 | |
KR20210037199A (ko) | 자동 분할 태깅 장치 및 이를 이용하여 학습된 손상영역 검출 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |
|
RJ01 | Rejection of invention patent application after publication |