CN112036336A - 一种基于ai智能图像分析的工程监测方法及系统 - Google Patents

一种基于ai智能图像分析的工程监测方法及系统 Download PDF

Info

Publication number
CN112036336A
CN112036336A CN202010915939.6A CN202010915939A CN112036336A CN 112036336 A CN112036336 A CN 112036336A CN 202010915939 A CN202010915939 A CN 202010915939A CN 112036336 A CN112036336 A CN 112036336A
Authority
CN
China
Prior art keywords
data
inspection
target
preset
camera
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.)
Granted
Application number
CN202010915939.6A
Other languages
English (en)
Other versions
CN112036336B (zh
Inventor
林大甲
黄宗荣
江世松
郑敏忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinqianmao Technology Co ltd
Original Assignee
Jinqianmao Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinqianmao Technology Co ltd filed Critical Jinqianmao Technology Co ltd
Priority to CN202410601418.1A priority Critical patent/CN118379683A/zh
Priority to CN202010915939.6A priority patent/CN112036336B/zh
Publication of CN112036336A publication Critical patent/CN112036336A/zh
Application granted granted Critical
Publication of CN112036336B publication Critical patent/CN112036336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于AI智能图像分析的工程监测方法及系统，服务端获取待监测工程的安全监管信息，接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果，根据第一分类结果确定工程的施工阶段，并根据安全监管信息得到与施工阶段相对应的检查目标及预设数据，将检查目标发送至客户端，检查目标包括检查项目；客户端接收检查目标，并实时接收与检查目标相对应的检查数据，发送检查数据至服务端，由服务端对比所述检查数据及所述预设数据，得到安全检查结果；本发明实现了施工阶段的自动确定及安全评估的数据化和自动化，消除了安全监测的综合数据结果相比与施工阶段滞后的现象。

Description

一种基于AI智能图像分析的工程监测方法及系统
技术领域
本发明涉及工程管理领域，尤其涉及一种基于AI智能图像分析的工程监测方法及系统。
背景技术
为了能够更细节且全方位地保障施工安全，工程项目通常会针对不同的施工进展阶段设置不同的防护管理要求；如深基坑阶段需要检查深基坑相关的防护，楼层建设阶段要检查楼层相关的防护；现有技术中需要通过安全员人工测量并汇总不同施工阶段的安全数据，浪费了大量时间，同时会造成工程信息安全数据的滞后，如将工程安全数据整理汇总完毕之后，工程项目已经进入下一施工进展阶段，无法整体把握工程项目的安全情况，不利于整体工程的进行。
发明内容
本发明所要解决的技术问题是：提供一种基于AI智能图像分析的工程监测方法及系统，实现对工程项目不同施工阶段的分阶段监测。
为了解决上述技术问题，本发明采用的一种技术方案为：
一种基于AI智能图像分析的工程监测方法，包括步骤：
S1、服务端获取待监测工程的安全监管信息；
S2、所述服务端接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S3、所述服务端根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S4、客户端接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端；
S5、所述服务端接收所述检查数据，对比所述检查数据及所述预设数据，得到安全检查结果。
为了解决上述技术问题，本发明采用的另一种技术方案为：
一种基于AI智能图像分析的工程监测系统，包括服务端和客户端，所述服务端包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的第一计算机程序，所述客户端包括第二存储器、第二处理器及存储在所述第二存储器上并可在所述第二处理器上运行的第二计算机程序，所述第一处理器执行所述第一计算机程序时实现以下步骤：
S11、获取待监测工程的安全监管信息；
S12、接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S13、根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S14、接收检查数据，对比所述检查数据及所述预设数据，得到安全检查结果；
所述第二处理器执行所述第二计算机程序时实现以下步骤：
S21、接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端。
本发明的有益效果在于：服务端获取待监测工程的安全监管信息，接收定位测量设备返回的待监测工程的工程现场数据，通过预训练模型对工程现场数据进行分类得到第一分类结果以确定工程的施工阶段，根据施工阶段及安全监管信息确定对应的检查目标及预设数据并将检查目标发送给客户端，客户端接收检查目标，并实时接收与检查目标相对应的检查数据，服务端接收检查数据并与预设数据进行对比获得安全检查结果；能够自动确定待监测工程的施工阶段并且能够自动获取相应施工阶段所对应的安全监管信息，获取相应检查目标的检查数据自动与预设数据对比进行安全评估，实现了安全评估的数据化及自动化，能够根据工程的进度实时进行安全监控，无需暂停施工进行安全排查，并且数据化的检查过程能够马上获取安全检查的数据，免去了人工整理的步骤，消除了安全监测的综合数据结果相比与施工阶段滞后的现象。
附图说明
图1为本发明实施例的一种基于AI智能图像分析的工程监测方法的步骤流程图；
图2为本发明实施例的一种基于AI智能图像分析的工程监测系统的结构示意图；
标号说明：
1、服务端；1.1、第一处理器；1.2第一存储器；2、客户端；2.1第二处理器；2.2第二存储器；3、一种基于AI智能图像分析的工程监测系统。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1，一种基于AI智能图像分析的工程监测方法，包括步骤：
S1、服务端获取待监测工程的安全监管信息；
S2、所述服务端接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S3、所述服务端根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S4、客户端接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端；
S5、所述服务端接收所述检查数据，对比所述检查数据及所述预设数据，得到安全检查结果。
从上述描述可知，本发明的有益效果在于：服务端获取待监测工程的安全监管信息，接收定位测量设备返回的待监测工程的工程现场数据，通过预训练模型对工程现场数据进行分类得到第一分类结果以确定工程的施工阶段，根据施工阶段及安全监管信息确定对应的检查目标及预设数据并将检查目标发送给客户端，客户端接收检查目标，并实时接收与检查目标相对应的检查数据，服务端接收检查数据并与预设数据进行对比获得安全检查结果；能够自动确定待监测工程的施工阶段并且能够自动获取相应施工阶段所对应的安全监管信息，获取相应检查目标的检查数据自动与预设数据对比进行安全评估，实现了安全评估的数据化及自动化，能够根据工程的进度实时进行安全监控，无需暂停施工进行安全排查，并且数据化的检查过程能够马上获取安全检查的数据，免去了人工整理的步骤，消除了安全监测的综合数据结果相比与施工阶段滞后的现象。
进一步的，所述S2中所述工程现场数据包括图像数据；
所述通过预训练模型对所述工程现场数据进行分类得到第一分类结果具体为：
通过预设的第一CNN卷积神经网络对所述图像数据进行分类，得到第一分类结果。
由上述描述可知，通过获取工程现场的图像数据，通过预设的第一CNN卷积神经网络进行分类得到第一分类结果，通过预训练好的模型，能够快速对图像进行分类，且CNN卷积神经网络的发展成熟，分类的结果准确度高。
进一步的，所述S4的检查数据包括与所述检查目标相对应的目标图像；
所述S5具体为：
通过预设的第二CNN卷积神经网络对所述目标图像进行分类，得到所述检查目标对应的检查项目的安全检查结果；所述第二CNN卷积神经网络根据满足所述预设数据的图像集训练。
由上述描述可知，通过满足预设数据的图像集训练第二CNN卷积神经网络，得到能够直接通过判断图像是否满足预设数据的CNN，通过获取目标图像并通过CNN进行分类，就能得到安全检查结果，在无需获取精确数据的情况下，不用测量检查目标对应的检查项目的具体数据，提高了进行安全检查的效率。
进一步的，所述S2中所述定位测量设备包括云台、摄像机和激光测距仪，所述摄像机和所述激光测距仪位于所述云台上，且所述定位测量设备的位置高于待测量目标；
所述S3中所述检查目标包括检查项目；
所述S4具体为：
客户端接收所述检查目标，控制所述云台，使所述检查目标位于所述摄像机的画面内；
通过所述摄像机获取所述待测量目标的二维图像，并通过所述激光测距仪获取所述摄像机与所述检查目标的距离；
根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，确定所述检查项目的测量结果；
其中所述摄像机的位置包括摄像机的高度H；
H＝sinα×L+Hb；
其中，L为所述定位测量设备到预设靶标的距离，α为所述云台对准所述预设靶标时的俯角，Hb为所述预设靶标的高度。
由上述描述可知，由云台、摄像机和激光测距仪组成定位测量设备，且摄像机和激光测距仪位于云台上，能够通过云台的转动控制摄像机和激光测距仪所对准的目标，并且能够将摄像机和激光测距仪设置为总是对准同一目标，能够综合二者的数据对目标作出更加全面的判断；同时，设置靶标并通过靶标的高度和摄像机与靶标之间的距离计算出摄像机的高度，能够进一步计算目标的尺寸。
进一步的，所述S1还包括获取工程标识数据；
所述S2中接收定位测量设备所返回的工程现场数据具体为：
接收所述定位测量设备返回的第一数据，所述第一数据为所述定位测量设备所获取的所有数据；
对比所述工程标识数据及所述第一数据，获取所述第一数据中与所述工程标识数据对应的工程现场数据。
由上述描述可知，对接收到的定位测量设备所返回的所有数据进行初步筛选，若与预设的工程标识数据相对应，才将其作为工程现场数据进行后续处理，减少了服务端的数据处理量，节约了计算资源。
请参照图2，一种基于AI智能图像分析的工程监测系统，包括服务端和客户端，所述服务端包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的第一计算机程序，所述客户端包括第二存储器、第二处理器及存储在所述第二存储器上并可在所述第二处理器上运行的第二计算机程序，所述第一处理器执行所述第一计算机程序时实现以下步骤：
S11、获取待监测工程的安全监管信息；
S12、接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S13、根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S14、接收检查数据，对比所述检查数据及所述预设数据，得到安全检查结果；
所述第二处理器执行所述第二计算机程序时实现以下步骤：
S21、接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端。
从上述描述可知，本发明的有益效果在于：服务端获取待监测工程的安全监管信息，接收定位测量设备返回的待监测工程的工程现场数据，通过预训练模型对工程现场数据进行分类得到第一分类结果以确定工程的施工阶段，根据施工阶段及安全监管信息确定对应的检查目标及预设数据并将检查目标发送给客户端，客户端接收检查目标，并实时接收与检查目标相对应的检查数据，服务端接收检查数据并与预设数据进行对比获得安全检查结果；能够自动确定待监测工程的施工阶段并且能够自动获取相应施工阶段所对应的安全监管信息，获取相应检查目标的检查数据自动与预设数据对比进行安全评估，实现了安全评估的数据化及自动化，能够根据工程的进度实时进行安全监控，无需暂停施工进行安全排查，并且数据化的检查过程能够马上获取安全检查的数据，免去了人工整理的步骤，消除了安全监测的综合数据结果相比与施工阶段滞后的现象。
进一步的，所述S12中所述工程现场数据包括图像数据；
所述通过预训练模型对所述工程现场数据进行分类得到第一分类结果具体为：
通过预设的第一CNN卷积神经网络对所述图像数据进行分类，得到第一分类结果。
由上述描述可知，通过获取工程现场的图像数据，通过预设的第一CNN卷积神经网络进行分类得到第一分类结果，通过预训练好的模型，能够快速对图像进行分类，且CNN卷积神经网络的发展成熟，分类的结果准确度高。
进一步的，述S21的检查数据包括与所述检查目标相对应的目标图像；
所述S14具体为：
通过预设的第二CNN卷积神经网络对所述目标图像进行分类，得到所述检查目标对应的检查项目的安全检查结果；所述第二CNN卷积神经网络根据满足所述预设数据的图像集训练。
由上述描述可知，通过满足预设数据的图像集训练第二CNN卷积神经网络，得到能够直接通过判断图像是否满足预设数据的CNN，通过获取目标图像并通过CNN进行分类，就能得到安全检查结果，在无需获取精确数据的情况下，不用测量检查目标对应的检查项目的具体数据，提高了进行安全检查的效率。
进一步的，所述S12中所述定位测量设备包括云台、摄像机和激光测距仪，所述摄像机和所述激光测距仪位于所述云台上，且所述定位测量设备的位置高于待测量目标；
所述S13中所述检查目标包括检查项目；
所述S21具体为：
客户端接收所述检查目标，控制所述云台，使所述检查目标位于所述摄像机的画面内；
通过所述摄像机获取所述待测量目标的二维图像，并通过所述激光测距仪获取所述摄像机与所述检查目标的距离；
根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，确定所述检查项目的测量结果；
其中所述摄像机的位置包括摄像机的高度H；
H＝sinα×L+Hb；
其中，L为所述定位测量设备到预设靶标的距离，α为所述云台对准所述预设靶标时的俯角，Hb为所述预设靶标的高度。
由上述描述可知，由云台、摄像机和激光测距仪组成定位测量设备，且摄像机和激光测距仪位于云台上，能够通过云台的转动控制摄像机和激光测距仪所对准的目标，并且能够将摄像机和激光测距仪设置为总是对准同一目标，能够综合二者的数据对目标作出更加全面的判断；同时，设置靶标并通过靶标的高度和摄像机与靶标之间的距离计算出摄像机的高度，能够进一步计算目标的尺寸。
进一步的，所述S11还包括获取工程标识数据；
所述S12中接收定位测量设备所返回的工程现场数据具体为：
接收所述定位测量设备返回的第一数据，所述第一数据为所述定位测量设备所获取的所有数据；
对比所述工程标识数据及所述第一数据，获取所述第一数据中与所述工程标识数据对应的工程现场数据。
由上述描述可知，对接收到的定位测量设备所返回的所有数据进行初步筛选，若与预设的工程标识数据相对应，才将其作为工程现场数据进行后续处理，减少了服务端的数据处理量，节约了计算资源。
请参照图1，本发明的实施例一为：
一种基于AI智能图像分析的工程监测系统，具体包括：
S1、服务端获取待监测工程的安全监管信息；
具体的，可通过人工预录入的方式获取安全监管信息或直接获取BIM(BuildingInformation Modeling，建筑信息模型)中预配置的安全监管信息；
S2、所述服务端接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
定位测量设备的数量可为一个或多个；
所述工程现场数据包括图像数据；
所述通过预训练模型对所述工程现场数据进行分类得到第一分类结果具体为：
通过预设的第一CNN卷积神经网络对所述图像数据进行分类，得到第一分类结果；
S3、所述服务端根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端，所述检查目标包括检查项目；
在一种可选的实施方式中，检查目标包括防护栏，检查项目包括防护栏是否存在、防护栏高度及防护栏宽度，预设数据包括防护栏位置、防护栏高度预设值及防护栏宽度预设值；不同施工阶段所对应的防护栏位置、防护栏高度预设值及防护栏宽度预设值不同；
S4、客户端接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端；
检查数据包括与检查目标相对应的目标图像及与检查项目相对应的测量数据；
在一种可选的实施方式中，由客户端(如PC客户端、PC网页端、移动端)通过定位测量设备的网络通信IP与定位测量设备连接，连接成功后通过菜单操作、命令控制等方式把相应的指令下发到定位测量设备，完成对检查目标的画面定位、测距、角度获取等动作；
在一种可选的实施方式中，客户端为检测人员所持有的移动终端，检测人员根据接收的检查目标，对其中的检查项目进行检查，并将检查数据上传到服务端，检查数据包括图像数据和测量数据；
S5、所述服务端接收所述检查数据，对比所述检查数据及所述预设数据，得到安全检查结果；
具体为：
通过预设的第二CNN卷积神经网络对所述目标图像进行分类，得到所述检查目标对应的检查项目的安全检查结果；所述第二CNN卷积神经网络根据满足所述预设数据的图像集训练；
在一种可选的实施方式中，预设数据为防护栏高度预设值及防护栏宽度预设值，预训练的第二CNN卷积神经网络能够根据防护栏是否存在及防护栏的高度和宽度是否满足预设值进行分类。
本发明的实施例二为：
一种基于AI智能图像分析的工程监测方法，其与实施例一的不同之处在于：
所述S1还包括获取工程标识数据；
所述S2中所述定位测量设备包括云台、摄像机和激光测距仪，所述摄像机和所述激光测距仪位于所述云台上，且所述定位测量设备的位置高于待测量目标；
在一种可选的实施方式中，将定位测量设备安装在塔吊吊臂上，使其高度随着塔吊的升降而变化，可保证定位测量设备的高度总是高于待监测工程的最高点；
所述S2中接收定位测量设备所返回的工程现场数据具体为：
接收所述定位测量设备返回的第一数据，所述第一数据为所述定位测量设备所获取的所有数据；
对比所述工程标识数据及所述第一数据，获取所述第一数据中与所述工程标识数据对应的工程现场数据；
在一种可选的实施方式中，标识数据包括深基坑特征数据集及楼房特征数据集，控制定位测量设备开启自动巡检，云台自动转动巡查工程进展并实时接收定位测量设备返回的第一数据，若第一数据中有与深基坑特征数据集中数据或楼房特征数据集中数据所对应的第二数据，则将第二数据作为工程现场数据进行后续处理；
所述S4具体为：
客户端接收所述检查项目及检查目标，控制所述云台，使待测量目标位于所述摄像机的画面内；
通过所述摄像机获取所述待测量目标的二维图像，并通过所述激光测距仪获取所述摄像机与所述待测量目标的距离；
根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，确定所述检查项目的测量结果；
具体地，如要测量目标宽度，则在目标图像上选择宽度的起点与终点，根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，通过映射模型，计算得到所述拍摄区域的二维图像与三维世界空间的映射关系；将二维图像上待测的起点与终点坐标值，代入二维图像与三维世界空间的映射关系中，计算得到所述待测物在三维世界空间的测量值；
具体地，所述映射模型可表示为：
Figure BDA0002665023210000111
其中XwYwZw表示三维世界空间的坐标值，(u，v)表示二维图像的坐标值，R表示旋转角度，t表示平移值，Zc表示缩放因子，K表示摄像机内部参数，(u0，v0)表示摄像机光学中心在CCD(charge coupled device，电荷耦合器件)成像平面上的投影位置，f表示摄像机的焦距，dx和dy分别表示CCD每个像素在水平方向和垂直方向上的物理尺寸；
Figure BDA0002665023210000112
其中，所述摄像机的位置包括摄像机的高度H；
H＝sinα×L+Hb；
其中，L为所述定位测量设备到预设靶标的距离，α为所述云台对准所述预设靶标时的俯角，Hb为所述预设靶标的高度；
在一种可选的实施方式中，激光测距仪与摄像机所对准的目标一致，将靶标粘贴在工地大门、活动房等在工程实施过程中不易改变位置的设施上，使激光测距仪所发出的激光打在靶标上，获取此时的测距值L、云台的俯角α及靶标的高度Hb；
还包括项目进度确认，当第一数据中存在第二数据时，开启激光测距，获得测距值Lt及此时云台的俯角αt，计算项目高度Ht＝H-sin αt×Lt；结合对工程现场数据及第二数据的分类结果，可得知具体的项目进度；如分类结果为楼房，则项目高度/楼层高度可得知目前建造到第几楼；
在一种可选的实施方式中，可通过AI智能图像分析与识别技术，比较摄像机的巡检画面与BIM的设计图，得到项目进度；
在一种可选的实施方式中，根据所述安全监管信息得到与所述项目进度相对应的检查目标及预设数据，将所述检查目标发送至客户端进行安全检查，所述检查目标包括检查项目。
请参照图2，本发明的实施例三为：
一种基于AI智能图像分析的工程监测系统3，包括服务端1和客户端2，所述服务端1包括第一存储器1.2、第一处理器1.1及存储在所述第一存储器1.2上并可在所述第一处理器1.1上运行的第一计算机程序，所述客户端2包括第二存储器2.2、第二处理器2.1及存储在所述第二存储器2.2上并可在所述第二处理器2.1上运行的第二计算机程序，所述第一处理器1.1执行所述第一计算机程序时实现实施例一或实施例二中服务端所执行的步骤；
所述第二处理器2.1执行所述第二计算机程序时实现实施例一或实施例二中客户端所执行的步骤。
综上所述，本发明提供了一种基于AI智能图像分析的工程监测方法及系统，设置服务端和客户端，服务端通过定位测量设备获取工程现场数据，对所获取的工程现场数据通过预训练的CNN卷积网络模型进行分类得到工程的施工阶段，在预先获取的安全监管信息中匹配与施工阶段相对应的检查目标及预设数据，检查目标包括多个检查项目，客户端根据接收的检查目标控制定位测量设备获取检查数据，服务端接收检查数据后与预设数据进行比对得到安全检查结果；通过安装可操控的定位测量设备在塔吊上，能够保证定位测量设备的最大视野，掌握整个工程的整体情况，获取工程现场数据，根据其中的图像数据确定施工阶段，查询对应的安全监管信息，实现了安全检测的自动化、数据化，大大提高了安全检测的效率，并且根据预设的条件对定位测量设备所获取的数据进行筛选，满足条件才进行后续处理，节约了服务端的计算资源，进一步保证了安全检测的高效率进行。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于AI智能图像分析的工程监测方法，其特征在于，包括步骤：
S1、服务端获取待监测工程的安全监管信息；
S2、所述服务端接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S3、所述服务端根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S4、客户端接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端；
S5、所述服务端接收所述检查数据，对比所述检查数据及所述预设数据，得到安全检查结果。
2.根据权利要求1所述的一种基于AI智能图像分析的工程监测方法，其特征在于，所述S2中所述工程现场数据包括图像数据；
所述通过预训练模型对所述工程现场数据进行分类得到第一分类结果具体为：
通过预设的第一CNN卷积神经网络对所述图像数据进行分类，得到第一分类结果。
3.根据权利要求1所述的一种基于AI智能图像分析的工程监测方法，其特征在于，所述S4的检查数据包括与所述检查目标相对应的目标图像；
所述S5具体为：
通过预设的第二CNN卷积神经网络对所述目标图像进行分类，得到所述检查目标对应的检查项目的安全检查结果；所述第二CNN卷积神经网络根据满足所述预设数据的图像集训练。
4.根据权利要求1所述的一种基于AI智能图像分析的工程监测方法，其特征在于，所述S2中所述定位测量设备包括云台、摄像机和激光测距仪，所述摄像机和所述激光测距仪位于所述云台上，且所述定位测量设备的位置高于待测量目标；
所述S3中所述检查目标包括检查项目；
所述S4具体为：
客户端接收所述检查目标，控制所述云台，使所述检查目标位于所述摄像机的画面内；
通过所述摄像机获取所述待测量目标的二维图像，并通过所述激光测距仪获取所述摄像机与所述检查目标的距离；
根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，确定所述检查项目的测量结果；
其中所述摄像机的位置包括摄像机的高度H；
H＝sinα×L+Hb；
其中，L为所述定位测量设备到预设靶标的距离，α为所述云台对准所述预设靶标时的俯角，Hb为所述预设靶标的高度。
5.根据权利要求1所述的一种基于AI智能图像分析的工程监测方法，其特征在于，所述S1还包括获取工程标识数据；
所述S2中接收定位测量设备所返回的工程现场数据具体为：
接收所述定位测量设备返回的第一数据，所述第一数据为所述定位测量设备所获取的所有数据；
对比所述工程标识数据及所述第一数据，获取所述第一数据中与所述工程标识数据对应的工程现场数据。
6.一种基于AI智能图像分析的工程监测系统，包括服务端和客户端，所述服务端包括第一存储器、第一处理器及存储在所述第一存储器上并可在所述第一处理器上运行的第一计算机程序，所述客户端包括第二存储器、第二处理器及存储在所述第二存储器上并可在所述第二处理器上运行的第二计算机程序，其特征在于，所述第一处理器执行所述第一计算机程序时实现以下步骤：
S11、获取待监测工程的安全监管信息；
S12、接收定位测量设备所返回的工程现场数据，通过预训练模型对所述工程现场数据进行分类得到第一分类结果；
S13、根据所述第一分类结果确定所述工程的施工阶段，并根据所述安全监管信息得到与所述施工阶段相对应的检查目标及预设数据，将所述检查目标发送至客户端；
S14、接收检查数据，对比所述检查数据及所述预设数据，得到安全检查结果；
所述第二处理器执行所述第二计算机程序时实现以下步骤：
S21、接收所述检查目标，并实时接收与所述检查目标相对应的检查数据，发送所述检查数据至所述服务端。
7.根据权利要求6所述的一种基于AI智能图像分析的工程监测系统，其特征在于，所述S12中所述工程现场数据包括图像数据；
所述通过预训练模型对所述工程现场数据进行分类得到第一分类结果具体为：
通过预设的第一CNN卷积神经网络对所述图像数据进行分类，得到第一分类结果。
8.根据权利要求6所述的一种基于AI智能图像分析的工程监测系统，其特征在于，所述S21的检查数据包括与所述检查目标相对应的目标图像；
所述S14具体为：
通过预设的第二CNN卷积神经网络对所述目标图像进行分类，得到所述检查目标对应的检查项目的安全检查结果；所述第二CNN卷积神经网络根据满足所述预设数据的图像集训练。
9.根据权利要求6所述的一种基于AI智能图像分析的工程监测系统，其特征在于，所述S12中所述定位测量设备包括云台、摄像机和激光测距仪，所述摄像机和所述激光测距仪位于所述云台上，且所述定位测量设备的位置高于待测量目标；
所述S13中所述检查目标包括检查项目；
所述S21具体为：
客户端接收所述检查目标，控制所述云台，使所述检查目标位于所述摄像机的画面内；
通过所述摄像机获取所述待测量目标的二维图像，并通过所述激光测距仪获取所述摄像机与所述检查目标的距离；
根据所述摄像机的平移值、旋转角度、内部参数、位置及所述距离，确定所述检查项目的测量结果；
其中所述摄像机的位置包括摄像机的高度H；
H＝sinα×L+Hb；
其中，L为所述定位测量设备到预设靶标的距离，α为所述云台对准所述预设靶标时的俯角，Hb为所述预设靶标的高度。
10.根据权利要求6所述的一种基于AI智能图像分析的工程监测系统，其特征在于，所述S11还包括获取工程标识数据；
所述S12中接收定位测量设备所返回的工程现场数据具体为：
接收所述定位测量设备返回的第一数据，所述第一数据为所述定位测量设备所获取的所有数据；
对比所述工程标识数据及所述第一数据，获取所述第一数据中与所述工程标识数据对应的工程现场数据。
CN202010915939.6A 2020-09-03 2020-09-03 一种基于ai智能图像分析的工程监测方法及系统 Active CN112036336B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202410601418.1A CN118379683A (zh) 2020-09-03 2020-09-03 通过ai智能图像分析监测工程安全项目的方法及系统
CN202010915939.6A CN112036336B (zh) 2020-09-03 2020-09-03 一种基于ai智能图像分析的工程监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010915939.6A CN112036336B (zh) 2020-09-03 2020-09-03 一种基于ai智能图像分析的工程监测方法及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202410601418.1A Division CN118379683A (zh) 2020-09-03 2020-09-03 通过ai智能图像分析监测工程安全项目的方法及系统

Publications (2)

Publication Number Publication Date
CN112036336A true CN112036336A (zh) 2020-12-04
CN112036336B CN112036336B (zh) 2024-05-03

Family

ID=73591849

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202410601418.1A Pending CN118379683A (zh) 2020-09-03 2020-09-03 通过ai智能图像分析监测工程安全项目的方法及系统
CN202010915939.6A Active CN112036336B (zh) 2020-09-03 2020-09-03 一种基于ai智能图像分析的工程监测方法及系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202410601418.1A Pending CN118379683A (zh) 2020-09-03 2020-09-03 通过ai智能图像分析监测工程安全项目的方法及系统

Country Status (1)

Country Link
CN (2) CN118379683A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493123A (zh) * 2021-12-27 2022-05-13 山东建安物联科技有限公司 一种智慧工地云平台管理方法、系统、装置及存储介质
CN115314637A (zh) * 2022-08-08 2022-11-08 福建汇川物联网技术科技股份有限公司 一种施工现场全景影像的处理系统、处理方法和电子设备
US12125262B2 (en) 2022-03-08 2024-10-22 Inventus Holdings, Llc Unmanned aerial vehicle based system to track solar panel system construction and commissioning

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544556A (zh) * 2013-09-06 2014-01-29 上海大学 隧道全生命周期管理系统及方法
US20170097227A1 (en) * 2015-10-06 2017-04-06 Mark E. Sanders Construction Site Monitoring System
KR20170121391A (ko) * 2016-04-22 2017-11-02 한국토지주택공사 건축 현장의 진행 상황을 모니터링하기 위한 실시간 건축 현장 모니터링 시스템 및 이를 이용한 건축 현장의 진행 상황을 모니터링하기 위한 실시간 건축 현장 모니터링 방법
CN107330634A (zh) * 2017-07-20 2017-11-07 浙江之江工程项目管理有限公司 一种工程建设监理质量验收实测实量方法及其系统
JP2019075078A (ja) * 2018-05-10 2019-05-16 ギアヌーヴ株式会社 工事現場画像判定装置及び工事現場画像判定プログラム
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
CN110929607A (zh) * 2019-11-11 2020-03-27 桂林理工大学 一种城市建筑物施工进度的遥感识别方法和系统
CN111242574A (zh) * 2020-01-08 2020-06-05 中国建筑第二工程局有限公司西南分公司 一种基于gps技术的智慧工地现场巡检管理系统及方法
CN111400067A (zh) * 2020-03-17 2020-07-10 金钱猫科技股份有限公司 一种远程检测的方法及终端

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544556A (zh) * 2013-09-06 2014-01-29 上海大学 隧道全生命周期管理系统及方法
US20170097227A1 (en) * 2015-10-06 2017-04-06 Mark E. Sanders Construction Site Monitoring System
KR20170121391A (ko) * 2016-04-22 2017-11-02 한국토지주택공사 건축 현장의 진행 상황을 모니터링하기 위한 실시간 건축 현장 모니터링 시스템 및 이를 이용한 건축 현장의 진행 상황을 모니터링하기 위한 실시간 건축 현장 모니터링 방법
CN107330634A (zh) * 2017-07-20 2017-11-07 浙江之江工程项目管理有限公司 一种工程建设监理质量验收实测实量方法及其系统
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
JP2019075078A (ja) * 2018-05-10 2019-05-16 ギアヌーヴ株式会社 工事現場画像判定装置及び工事現場画像判定プログラム
CN110929607A (zh) * 2019-11-11 2020-03-27 桂林理工大学 一种城市建筑物施工进度的遥感识别方法和系统
CN111242574A (zh) * 2020-01-08 2020-06-05 中国建筑第二工程局有限公司西南分公司 一种基于gps技术的智慧工地现场巡检管理系统及方法
CN111400067A (zh) * 2020-03-17 2020-07-10 金钱猫科技股份有限公司 一种远程检测的方法及终端

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114493123A (zh) * 2021-12-27 2022-05-13 山东建安物联科技有限公司 一种智慧工地云平台管理方法、系统、装置及存储介质
US12125262B2 (en) 2022-03-08 2024-10-22 Inventus Holdings, Llc Unmanned aerial vehicle based system to track solar panel system construction and commissioning
CN115314637A (zh) * 2022-08-08 2022-11-08 福建汇川物联网技术科技股份有限公司 一种施工现场全景影像的处理系统、处理方法和电子设备
CN115314637B (zh) * 2022-08-08 2024-02-23 福建汇川物联网技术科技股份有限公司 一种施工现场全景影像的处理系统、处理方法和电子设备

Also Published As

Publication number Publication date
CN112036336B (zh) 2024-05-03
CN118379683A (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
CN112036336A (zh) 一种基于ai智能图像分析的工程监测方法及系统
CN108022235B (zh) 高压输电铁塔关键部件缺陷识别方法
CN110703800A (zh) 基于无人机的电力设施智能识别方法及系统
CN111368615B (zh) 一种违章建筑预警方法、装置及电子设备
CN109448326B (zh) 一种基于快速图像识别的地质灾害智能群防监测系统
CN112528979B (zh) 变电站巡检机器人障碍物判别方法及系统
CN113860178B (zh) 一种塔式起重机吊装物体识别及碰撞信息测量系统及方法
CN111985365A (zh) 一种基于目标检测技术的秸秆焚烧监测方法和系统
CN110703760B (zh) 一种用于安防巡检机器人的新增可疑物体检测方法
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN112087598B (zh) 智能云台巡检方法、装置及云台摄像巡检系统
KR102539835B1 (ko) 3d 카메라를 이용한 디지털 트윈 생성 및 손상 분석 시스템
CN115049322B (zh) 一种集装箱堆场的集装箱管理方法及系统
WO2020239088A1 (zh) 一种保险理赔处理方法及装置
CN113256269A (zh) 一种基于bim、云计算及大数据技术的工程管理系统
US20230315095A1 (en) Patrol inspection method, device and computer-readable storage medium
Shajahan et al. Automated inspection of monopole tower using drones and computer vision
CN115223242A (zh) 基于物联网平台的智慧园区管理方法
JP7097207B2 (ja) 建造物管理システム、学習装置、位置判定装置、及び位置判定方法
CN112702513B (zh) 一种双光云台协同控制方法、装置、设备及存储介质
CN117351025A (zh) 一种基于目标分割提取的巡检侦查方法及系统
CN116385868A (zh) 一种基于图像识别的建筑物监测系统及其巡逻机器人
CN116052356A (zh) 一种智能工地监控平台
KR102712607B1 (ko) 이미지 촬영 기반 건축물 관리 시스템 및 이의 실행 방법
CN106303412A (zh) 基于监控影像的排土场位移远程实时监测装置与方法

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
GR01 Patent grant
GR01 Patent grant