CN111080491A - 一种基于视频识别的施工现场检查系统及方法 - Google Patents
一种基于视频识别的施工现场检查系统及方法 Download PDFInfo
- Publication number
- CN111080491A CN111080491A CN201911274519.8A CN201911274519A CN111080491A CN 111080491 A CN111080491 A CN 111080491A CN 201911274519 A CN201911274519 A CN 201911274519A CN 111080491 A CN111080491 A CN 111080491A
- Authority
- CN
- China
- Prior art keywords
- model
- inspection
- video
- cloud server
- building information
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 123
- 238000010276 construction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012549 training Methods 0.000 claims abstract description 29
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000010835 comparative analysis Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于视频识别的施工现场检查系统及方法,包括管理终端、云端服务器和移动检查装置,其中:所述管理终端,用于将建筑信息模型导入云端服务器;所述移动检查装置,用于访问云端服务器加载建筑信息模型,选择标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录并上传到云端服务器;所述云端服务器,基于训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型,与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度并生成检查报告反馈到移动检查装置。通过视频记录需要检查的工程,进行视频分析并与建筑信息模型进行对比分析,给出科学的检查报告。
Description
技术领域
本发明属于建筑工地检查技术领域,涉及一种基于视频识别的施工现场检查系统及方法。
背景技术
建筑工地检查,是为全面了解工地现场施工情况,通过对项目检查质量结果的整改与检审,及时发现并解决施工中存在的相关问题,提高项目质量、品质等目标的管控能力。使在建项目现场工程质量、安全施工检查工作规范化、度化、专业化,促进各项工程质量及施工,安全管理水平不断提高。
在建设项目(包括住建、市政、道路、桥梁、水利等建设工程)的施工过程中,项目建设方、检测方、监理方需要按照建设进度对建设的各工程特别是隐蔽工程进行检查验收工作,目前采用人工巡检的做法,一方面费时费力,另一方面检查可能不到位存在遗漏,缺乏一种高效而且科学的手段来帮助检查人员进行无遗漏无死角并且高效便捷的检查。
发明内容
本发明的目的在于:提供了一种基于视频识别的施工现场检查系统及方法,解决了缺乏一种高效而且科学的手段来帮助检查人员进行无遗漏无死角并且高效便捷的检查的问题。
本发明采用的技术方案如下:
一种基于视频识别的施工现场检查系统,包括管理终端、云端服务器和移动检查装置,其中:
所述管理终端,用于将建筑信息模型导入云端服务器;
所述移动检查装置,用于访问云端服务器加载建筑信息模型,选择标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录并上传到云端服务器;
所述云端服务器,基于训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型,与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度并生成检查报告反馈到移动检查装置。
进一步地,所述移动检查装置根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,所述移动检查装置依次获取所述子任务执行视频记录并上传到云端服务器。
进一步地,所述云端服务器基于训练的模型依次计算子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;
所有的子任务均计算完毕后进行数据合并计算生成实际模型。
进一步地,所述移动检查装置用于标记误判的工程并反馈到云端服务器,所述云端服务器根据标记的误判工程出具新的检查报告并反馈接移动检查装置。
进一步地,所述训练模型通过云端服务器接收误判的工程进行学习和训练。
一种基于视频识别的施工现场检查方法,包括以下步骤:
创建建筑信息模型;
标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录;
基于训练模型计算视频记录中的模型结构信息和材质信息,输出结构化的模型数据生成实际模型并与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度生成检查报告。
进一步地,根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,依次获取子任务的视频记录。
进一步地,依次获取子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;
所有的子任务均计算完毕后进行数据合并计算生成实际模型。
进一步地,标记误判的工程并生成新检查报告。
进一步地,所述训练模型通过误判的工程进行学习和训练。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明通过视频记录需要检查的工程,进行视频记录分析并与建筑信息模型进行对比分析,给出科学的检查报告,便于帮助检查人员对施工现场进行无遗漏无死角并且高效便捷的检查。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图,其中:
图1是本发明的框架示意图;
图2是本发明的检查方法流程示意图;
图3是本发明检查任务拆解为若干个子任务的流程示意图;
图4是本发明生成实际模型的流程示意图;
图5是本发明生成新的检查报告的流程示意图;
图6是本发明训练模型根据误判的工程进行学习和训练的流程示意图;
图中标记:100-管理终端、200-云端服务器、300-移动检查装置。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例1
如图1所示,本发明较佳实施例提供的一种基于视频识别的施工现场检查系统,包括管理终端100、云端服务器200和移动检查装置300,其中:
所述管理终端100,用于将建筑信息模型导入云端服务器200;实施时,需要说明的是,建筑信息模型,核心是通过建立虚拟的建筑工程三维模型,利用数字化技术,为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息,还包含了非构件对象(如空间、运动行为)的状态信息。通过相关软件建立工程的建筑信息模型,以反映工程的三维结构。另外,云端服务器200对建筑信息模型进行轻量化操作,便于移动检查装置300能够访问云端服务器200加载建筑信息模型。
所述移动检查装置300,用于访问云端服务器200加载建筑信息模型,选择标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录并上传到云端服务器200;
所述云端服务器200,基于训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型,与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度并生成检查报告反馈到移动检查装置300。实施时,需要说明的是,训练模型是通过机器学习创建的,机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。另外,实际模型与建筑信息模型进行结构和材质的对比分析计算运用曲线拟合与卷积神经网络,曲线拟合和卷积神经网络技术均为现有技术,此处不再赘述。另外,检查人员可以通过移动检查装置300出具检查报告,现场检查人员给予报告出具整改意见书等后续的工作要求。
优选地,所述移动检查装置300根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,所述移动检查装置300依次获取所述子任务执行视频记录并上传到云端服务器200。实施时,可以根据建筑信息模型的组成构件作为划分规则,在确定检查任务后根据检查任务在建筑信息模型上涵盖的范围包含的组成构件划分为若干个工段的子任务,便于检察人员选定子任务分批次完成,避免一次性完成检查任务的视频记录耗时较长,导致延缓视频记录上传到云端服务器200的时间节点,从而影响训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型的实际时间。
优选地,所述云端服务器200基于训练的模型依次计算子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;实施时,训练模型依次计算移动检查装置300上传到云端服务器200中的视频记录,实现训练模型分批次计算视频记录获取模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库。
所有的子任务均计算完毕后进行数据合并计算生成实际模型。实施时,直到所有的子任务的模型数据均存储直到临时模型信息库中后进行数据合并计算生成实际模型,缩短了整个流程的时间周期,有利于进一步提高检查的效率。
优选地,所述移动检查装置300用于标记误判的工程并反馈到云端服务器200,所述云端服务器200根据标记的误判工程出具新的检查报告并反馈接移动检查装置300。实施时,检查人员对检查报告中存在问题的工程进行人工复检,进一步保证检查的准确性,并标记误判的工程上传到云端服务器200进行更改生成新检查报告反馈到移动检查终端,便于后续动作要求的开展。
优选地,所述训练模型通过云端服务器200接收误判的工程进行学习和训练。实施时,训练模型调用误判的工程通过机器深度学习技术进行学习和训练,逐步丰富和完善训练模型,降低误判率。
综上所述,本发明通过视频记录需要检查的工程,进行视频分析并与建筑信息模型进行对比分析,给出科学的检查报告,便于帮助检查人员对施工现场进行无遗漏无死角并且高效便捷的检查。
实施例2
如图2所示,本发明还提供了一种基于视频识别的施工现场检查方法,包括以下步骤:
S100、创建建筑信息模型;实施时,需要说明的是,建筑信息模型,核心是通过建立虚拟的建筑工程三维模型,利用数字化技术,为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息,还包含了非构件对象(如空间、运动行为)的状态信息。通过相关软件建立工程的建筑信息模型,以反映工程的三维结构。另外,建筑信息模型进行轻量化操作,便于加载建筑信息模型。
S200、标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录;
S300、基于训练模型计算视频记录中的模型结构信息和材质信息,输出结构化的模型数据生成实际模型并与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度生成检查报告。实施时,实施时,需要说明的是,训练模型是通过机器学习创建的,机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。另外,实际模型与建筑信息模型进行结构和材质的对比分析计算运用曲线拟合与卷积神经网络,曲线拟合和卷积神经网络技术均为现有技术,此处不再赘述。另外,检查人员可以出具检查报告,现场检查人员给予报告出具整改意见书等后续的工作要求。
优选地,如图3所示,S201、根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,依次获取子任务的视频记录。实施时,实施时,可以根据建筑信息模型的组成构件作为划分规则,在确定检查任务后根据检查任务在建筑信息模型上涵盖的范围包含的组成构件划分为若干个工段的子任务,便于检察人员选定子任务分批次完成,避免一次性完成检查任务的视频记录耗时较长,从而影响训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型的实际时间。
优选地,如图4所示,S301、依次获取子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;实施时,训练模型分批次计算视频记录获取模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库。
S302、所有的子任务均计算完毕后进行数据合并计算生成实际模型。实施时,直到所有的子任务的模型数据均存储直到临时模型信息库中后进行数据合并计算生成实际模型,缩短了整个流程的时间周期,有利于进一步提高检查的效率。
优选地,如图5所示,S400、标记误判的工程并生成新检查报告。实施时,检查人员对检查报告中存在问题的工程进行人工复检,进一步保证检查的准确性,并标记误判的工程生成新检查报告,便于后续动作要求的开展。
优选地,如图6所示,S500、所述训练模型通过误判的工程进行学习和训练。实施时,训练模型调用误判的工程通过机器深度学习技术进行学习和训练,逐步丰富和完善训练模型,降低误判率。
综上所述,通过视频记录需要检查的工程,进行视频分析并与建筑信息模型进行对比分析,给出科学的检查报告,便于帮助检查人员对施工现场进行无遗漏无死角并且高效便捷的检查。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明的保护范围,任何熟悉本领域的技术人员在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于视频识别的施工现场检查系统,其特征在于:包括管理终端、云端服务器和移动检查装置,其中:
所述管理终端,用于将建筑信息模型导入云端服务器;
所述移动检查装置,用于访问云端服务器加载建筑信息模型,选择标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录并上传到云端服务器;
所述云端服务器,基于训练模型计算视频记录中的模型结构信息和材质信息输出结构化的模型数据生成实际模型,与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度并生成检查报告反馈到移动检查装置。
2.根据权利要求1所述的一种基于视频识别的施工现场检查系统,其特征在于:所述移动检查装置根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,所述移动检查装置依次获取所述子任务执行视频记录并上传到云端服务器。
3.根据权利要求2所述的一种基于视频识别的施工现场检查系统,其特征在于:所述云端服务器基于训练的模型依次计算子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;
所有的子任务均计算完毕后进行数据合并计算生成实际模型。
4.根据权利要求1所述的一种基于视频识别的施工现场检查系统,其特征在于:所述移动检查装置用于标记误判的工程并反馈到云端服务器,所述云端服务器根据标记的误判工程出具新的检查报告并反馈接移动检查装置。
5.根据权利要求4所述的一种基于视频识别的施工现场检查系统,其特征在于:所述训练模型通过云端服务器接收误判的工程进行学习和训练。
6.一种基于视频识别的施工现场检查方法,其特征在于:包括以下步骤:
创建建筑信息模型;
标记建筑信息模型待检查的工程部分生成检查任务,根据检查任务执行视频记录;
基于训练模型计算视频记录中的模型结构信息和材质信息,输出结构化的模型数据生成实际模型并与建筑信息模型进行结构和材质的对比分析计算,分析实际模型与建筑信息模型的拟合度生成检查报告。
7.根据权利要求6所述的一种基于视频识别的施工现场检查方法,其特征在于:根据预设规则将检查任务通过建筑信息模型拆解为若干个子任务,依次获取子任务的视频记录。
8.根据权利要求7所述的一种基于视频识别的施工现场检查方法,其特征在于:依次获取子任务的视频记录中的模型结构信息和材质信息,输出结构化的模型数据,存储在临时模型信息库;
所有的子任务均计算完毕后进行数据合并计算生成实际模型。
9.根据权利要求6所述的一种基于视频识别的施工现场检查方法,其特征在于:标记误判的工程并生成新检查报告。
10.根据权利要求9所述的一种基于视频识别的施工现场检查方法,其特征在于:所述训练模型通过误判的工程进行学习和训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274519.8A CN111080491A (zh) | 2019-12-12 | 2019-12-12 | 一种基于视频识别的施工现场检查系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274519.8A CN111080491A (zh) | 2019-12-12 | 2019-12-12 | 一种基于视频识别的施工现场检查系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111080491A true CN111080491A (zh) | 2020-04-28 |
Family
ID=70314174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911274519.8A Pending CN111080491A (zh) | 2019-12-12 | 2019-12-12 | 一种基于视频识别的施工现场检查系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080491A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215567A (zh) * | 2020-09-28 | 2021-01-12 | 上海鸢安智能科技有限公司 | 生产流程合规检查方法及系统、存储介质及终端 |
CN112836572A (zh) * | 2020-12-20 | 2021-05-25 | 刘星亮 | 公路交通施工巡检方法及系统 |
CN115170993A (zh) * | 2022-09-08 | 2022-10-11 | 浙江百诺数智环境科技股份有限公司 | 基于ar采集分析的废气处理设备现场检查方法及系统 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186621A (ja) * | 2010-03-05 | 2011-09-22 | Fujifilm Corp | 検査支援システムおよび検査支援方法 |
CN103440364A (zh) * | 2013-07-31 | 2013-12-11 | 广联达软件股份有限公司 | 基于bim模型自动生成wbs节点的方法和系统 |
US20150310135A1 (en) * | 2014-04-24 | 2015-10-29 | The Board Of Trustees Of The University Of Illinois | 4d vizualization of building design and construction modeling with photographs |
EP3223221A1 (en) * | 2016-03-22 | 2017-09-27 | Hexagon Technology Center GmbH | Construction management |
CN107748951A (zh) * | 2017-09-26 | 2018-03-02 | 中国建筑第八工程局有限公司 | 基于bim的建筑工程施工质量验收方法及系统 |
CN108197802A (zh) * | 2017-12-29 | 2018-06-22 | 湖南大学 | 一种基于bim技术对混凝土结构施工质量管控的方法及系统 |
KR20180107845A (ko) * | 2017-03-23 | 2018-10-04 | 신승연 | 실내에서 위치 기반 지능형 사진을 생성하는 방법 및 시스템 |
US20180374052A1 (en) * | 2016-12-20 | 2018-12-27 | Chetan Mogal | Method of improviding building information modeling |
US20190026843A1 (en) * | 2016-08-16 | 2019-01-24 | Young Tae Kim | Method for integrated management including building construction and maintenance of based on video |
CN109271961A (zh) * | 2018-10-09 | 2019-01-25 | 成都阳帆网络科技有限公司 | 基于人物身份特征识别的行为模式判断方法 |
US20190035155A1 (en) * | 2017-07-27 | 2019-01-31 | Obayashi Corporation | Inspection processing system, inspection processing method, and inspection processing program |
WO2019074139A1 (ko) * | 2017-10-12 | 2019-04-18 | (주)태성에스엔아이 | 가상 건설 현장에서의 시뮬레이션 실행 방법 및 이에 사용되는 관리 서버 |
JP2019095926A (ja) * | 2017-11-20 | 2019-06-20 | 株式会社竹中工務店 | Bimモデル検査支援方法及びbimモデル検査支援システム |
CN110044964A (zh) * | 2019-04-25 | 2019-07-23 | 湖南科技大学 | 基于无人飞机热成像视频的建筑饰面层脱粘缺陷识别方法 |
CN110080114A (zh) * | 2019-05-20 | 2019-08-02 | 上海浦东路桥建设股份有限公司 | 一种基于bim技术的可视化预制立柱承台施工方法 |
JP2019148946A (ja) * | 2018-02-27 | 2019-09-05 | 前田建設工業株式会社 | 施工工程管理システム及び施工工程管理方法 |
US20190325089A1 (en) * | 2018-04-18 | 2019-10-24 | Reconstruct Inc. | Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays |
JP2019191927A (ja) * | 2018-04-25 | 2019-10-31 | 有限会社リライト | 構造物の検査システム及び検査方法 |
CN110399641A (zh) * | 2019-06-21 | 2019-11-01 | 万翼科技有限公司 | 一种无人机巡检的进度识别方法及系统 |
CN110490415A (zh) * | 2019-07-15 | 2019-11-22 | 同济大学 | 一种多无人机视觉协同的建筑进度评估方法 |
-
2019
- 2019-12-12 CN CN201911274519.8A patent/CN111080491A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011186621A (ja) * | 2010-03-05 | 2011-09-22 | Fujifilm Corp | 検査支援システムおよび検査支援方法 |
CN103440364A (zh) * | 2013-07-31 | 2013-12-11 | 广联达软件股份有限公司 | 基于bim模型自动生成wbs节点的方法和系统 |
US20150310135A1 (en) * | 2014-04-24 | 2015-10-29 | The Board Of Trustees Of The University Of Illinois | 4d vizualization of building design and construction modeling with photographs |
EP3223221A1 (en) * | 2016-03-22 | 2017-09-27 | Hexagon Technology Center GmbH | Construction management |
US20190026843A1 (en) * | 2016-08-16 | 2019-01-24 | Young Tae Kim | Method for integrated management including building construction and maintenance of based on video |
US20180374052A1 (en) * | 2016-12-20 | 2018-12-27 | Chetan Mogal | Method of improviding building information modeling |
KR20180107845A (ko) * | 2017-03-23 | 2018-10-04 | 신승연 | 실내에서 위치 기반 지능형 사진을 생성하는 방법 및 시스템 |
US20190035155A1 (en) * | 2017-07-27 | 2019-01-31 | Obayashi Corporation | Inspection processing system, inspection processing method, and inspection processing program |
CN107748951A (zh) * | 2017-09-26 | 2018-03-02 | 中国建筑第八工程局有限公司 | 基于bim的建筑工程施工质量验收方法及系统 |
WO2019074139A1 (ko) * | 2017-10-12 | 2019-04-18 | (주)태성에스엔아이 | 가상 건설 현장에서의 시뮬레이션 실행 방법 및 이에 사용되는 관리 서버 |
JP2019095926A (ja) * | 2017-11-20 | 2019-06-20 | 株式会社竹中工務店 | Bimモデル検査支援方法及びbimモデル検査支援システム |
CN108197802A (zh) * | 2017-12-29 | 2018-06-22 | 湖南大学 | 一种基于bim技术对混凝土结构施工质量管控的方法及系统 |
JP2019148946A (ja) * | 2018-02-27 | 2019-09-05 | 前田建設工業株式会社 | 施工工程管理システム及び施工工程管理方法 |
US20190325089A1 (en) * | 2018-04-18 | 2019-10-24 | Reconstruct Inc. | Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays |
JP2019191927A (ja) * | 2018-04-25 | 2019-10-31 | 有限会社リライト | 構造物の検査システム及び検査方法 |
CN109271961A (zh) * | 2018-10-09 | 2019-01-25 | 成都阳帆网络科技有限公司 | 基于人物身份特征识别的行为模式判断方法 |
CN110044964A (zh) * | 2019-04-25 | 2019-07-23 | 湖南科技大学 | 基于无人飞机热成像视频的建筑饰面层脱粘缺陷识别方法 |
CN110080114A (zh) * | 2019-05-20 | 2019-08-02 | 上海浦东路桥建设股份有限公司 | 一种基于bim技术的可视化预制立柱承台施工方法 |
CN110399641A (zh) * | 2019-06-21 | 2019-11-01 | 万翼科技有限公司 | 一种无人机巡检的进度识别方法及系统 |
CN110490415A (zh) * | 2019-07-15 | 2019-11-22 | 同济大学 | 一种多无人机视觉协同的建筑进度评估方法 |
Non-Patent Citations (1)
Title |
---|
陈远;林基础;: "移动计算在建筑工程信息管理中的应用研究" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215567A (zh) * | 2020-09-28 | 2021-01-12 | 上海鸢安智能科技有限公司 | 生产流程合规检查方法及系统、存储介质及终端 |
CN112836572A (zh) * | 2020-12-20 | 2021-05-25 | 刘星亮 | 公路交通施工巡检方法及系统 |
CN112836572B (zh) * | 2020-12-20 | 2023-04-04 | 刘星亮 | 公路交通施工巡检方法及系统 |
CN115170993A (zh) * | 2022-09-08 | 2022-10-11 | 浙江百诺数智环境科技股份有限公司 | 基于ar采集分析的废气处理设备现场检查方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080491A (zh) | 一种基于视频识别的施工现场检查系统及方法 | |
CN115860499B (zh) | 一种基于bim技术的多专业工种协调施工管理系统 | |
CN109214719A (zh) | 一种基于人工智能的营销稽查分析的系统和方法 | |
CN111506504B (zh) | 基于软件开发过程度量的软件安全性缺陷预测方法及装置 | |
CN116342332B (zh) | 基于互联网的辅助审判方法、装置、设备及存储介质 | |
CN114201570A (zh) | 河网水质的监测方法、装置和可读存储介质 | |
CN113379330A (zh) | 一种模块化的bim园区管理系统及方法 | |
CN110445939A (zh) | 容量资源的预测方法及装置 | |
CN114970926A (zh) | 一种模型训练方法、企业经营风险预测方法和装置 | |
CN111401789A (zh) | 一种基于bim的建筑施工智能监管系统 | |
CN114462828A (zh) | 一种工程施工用安全预警监理系统及其监理方法 | |
Zorn et al. | Replacing energy simulations with surrogate models for design space exploration | |
CN115184563B (zh) | 一种基于数字孪生的化工车间现场数据采集方法 | |
CN116108749A (zh) | 一种基于深度学习的风力机流场预测方法 | |
Dutta et al. | IoT based pollution monitoring and health correlation: a case study on smart city | |
CN114441463A (zh) | 全光谱水质数据分析方法 | |
Leite | Automated approaches towards bim-based intelligent decision support in design, construction, and facility operations | |
Duer et al. | Assessment of the Reliability of Wind Farm Device on the Basis of Modeling Its Operation Process | |
CN113377962A (zh) | 一种基于图像识别和自然语言处理的智能过程模拟方法 | |
Ryabinin et al. | Ontology-driven data mining platform for fuzzy classification of mental maps | |
CN112100367A (zh) | 一种景区舆情预警方法及装置 | |
Nobrega et al. | Perspectives of integration bim and gis in brazilian transport infrastructure under the vision of the agents involved | |
CN221177861U (zh) | 一种基于边缘处理器的智能燃气抄表装置 | |
Karouw et al. | Using cloud computing for building DAS Tondano mitigation disaster information system prototype | |
CN116028309B (zh) | 一种体系运行情况的量化监测系统及其监测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200428 |