CN112924653A - 非接触式混凝土离析程度智能化实时分析方法及装置 - Google Patents

Abstract

本申请提供一种非接触式混凝土离析程度智能化实时分析方法及装置，所述方法包括：将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；根据所述混凝土抗离析性能标签确定混凝土离析程度。本申请能够对流动混凝土视频图像中混凝土的离析程度进行分析。

Description

非接触式混凝土离析程度智能化实时分析方法及装置

技术领域

本申请涉及混凝土工作性能检测技术领域，具体是一种非接触式混凝土离析程度智能化实时分析方法及装置。

背景技术

混凝土因其在新拌阶段可塑性好，硬化后具有良好的力学性能等优点成为应用最为广泛的建筑材料之一。随着混凝土外加剂的普及，混凝土得到了越来越广泛的应用，施工方便性得到了极大提升。混凝土的种类也从塑性及干硬性混凝土转向了流动性及大流动性混凝土。但随着混凝土流动性的提高，其匀质性也更加难以控制。混凝土的匀质性对其硬化后的性能影响显著。因此，控制混凝土的匀质性对于应用混凝土所建造的建筑物的质量保障具有重要意义。

在生产生活中，自密实混凝土的抗离析性差，通常表现为粗集料与浆料相互分离，即密度大的颗粒沉积到拌和物的底部或粗集料从拌和物中整体分离出来。在生产施工过程中，混凝土的抗离析性差会使混凝土各部位的收缩程度不一致，产生混凝土收缩裂缝，极大地降低了混凝土抗渗、抗冻等耐久性能。因此，在投入使用之前，确定自密实混凝土的抗离析性能非常必要。

目前，对混凝土拌和物进行抗离析性能测定的常用试验仪器有盛料筒、标准方孔筛及托盘。测试时可取适量的混凝土置于水平放置的盛料筒内静置，然后自混凝土的上部移出一部分倒入放置于托盘上的标准方孔筛中，静置一段时间后，称量自标准方孔筛流到托盘上的浆体的质量，通过流过标准筛的混凝土浆料的量来分析混凝土的抗离析性。现有的混凝土抗离析性能测试工作量大，测试结果受实验操作者影响大，精度较差，同时还需要人工进行辅助观察，进行定性描述才能表达出抗离析性能，十分不便。

发明内容

针对现有技术中的问题，本申请提供一种非接触式混凝土离析程度智能化实时分析方法及装置，能够对流动混凝土视频图像中混凝土的离析程度进行分析。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种非接触式混凝土离析程度智能化实时分析方法，包括：

将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

根据所述混凝土抗离析性能标签确定混凝土离析程度。

进一步地，在将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签之前，还包括：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

进一步地，对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像，包括：

将所述流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

根据抽帧结果生成多组流动混凝土视频预处理图像。

进一步地，预先训练得到所述离析程度分析模型的步骤，包括：

对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

进一步地，所述确定坍落扩展度训练视频图像对应的抗离析性能训练标签，包括：

根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

进一步地，在根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值之后，还包括：

根据所述衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

第二方面，本申请提供一种非接触式混凝土离析程度智能化实时分析装置，包括：

标签确定单元，用于将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

离析程度确定单元，用于根据所述混凝土抗离析性能标签确定混凝土离析程度。

进一步地，所述的非接触式混凝土离析程度智能化实时分析装置，还具体用于：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

进一步地，所述的非接触式混凝土离析程度智能化实时分析装置，还包括：

剪裁单元，用于将所述流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

抽帧单元，用于针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

预处理图像生成单元，用于预处理图像根据抽帧结果生成多组流动混凝土视频预处理图像。

进一步地，所述的非接触式混凝土离析程度智能化实时分析装置，还包括：

训练预处理图像生成单元，用于对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

训练标签确定单元，用于确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

分析模型生成单元，用于将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

进一步地，所述训练标签确定单元，包括：

基础指标确定模块，用于根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

衍生指标确定模块，用于根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

训练标签确定模块，用于根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

进一步地，所述的非接触式混凝土离析程度智能化实时分析装置，还具体用于：

根据所述衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

第三方面，本申请提供一种电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述非接触式混凝土离析程度智能化实时分析方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述非接触式混凝土离析程度智能化实时分析方法的步骤。

针对现有技术中的问题，本申请提供一种非接触式混凝土离析程度智能化实时分析方法及装置，能够利用深度学习技术得到离析程度分析模型，对流动混凝土视频图像中混凝土的离析程度进行分析，减少了人工判断混凝土离析程度的误差，提高了判断混凝土离析程度的准确性，满足了快速、实时获取混凝土离析程度的技术需求，为快速获得抗离析性能较好的混凝土提供了技术支持。

附图说明

图1为本申请实施例中非接触式混凝土离析程度智能化实时分析方法的流程图；

图2为本申请实施例中得到多组流动混凝土视频预处理图像的流程图；

图3为本申请实施例中训练得到离析程度分析模型的流程图；

图4为本申请实施例中确定抗离析性能训练标签的流程图；

图5为本申请实施例中非接触式混凝土离析程度智能化实时分析装置的结构图之一；

图6为本申请实施例中非接触式混凝土离析程度智能化实时分析装置的结构图之二；

图7为本申请实施例中非接触式混凝土离析程度智能化实时分析装置的结构图之二；

图8为本申请实施例中训练标签确定单元的结构图；

图9为本申请实施例中的电子设备的结构示意图；

图10为本申请实施例中的剪裁及抽帧的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1，为了能够对流动混凝土视频图像中混凝土的离析程度进行分析，本申请提供一种非接触式混凝土离析程度智能化实时分析方法，包括：

S101：将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

可以理解的是，流动混凝土视频预处理图像可以采集于不同的应用场景，例如：采集搅拌机内正在搅拌的流动混凝土视频，这些搅拌机可以包括但不限于梨型、鼓筒型、双锥形、圆盘立轴式及圆槽卧轴式(单、双轴)搅拌机等；另外也可以采集坍落扩展度实验中的流动混凝土视频；还可以采集搅拌运输车灌装混凝土口的流动混凝土视频；采集混凝土从搅拌运输车倒入混凝土泵车内的流动混凝土视频；以及采集混凝土从泵管泵出的流动混凝土视频。本申请不以此为限。

需要说明的是，若采集的是流动混凝土拌和过程中的视频，则可以舍弃混凝土尚未拌和均匀段的视频，而主要采用拌和均匀段的视频，以达到更优的分析效果。

还需说明的是，之所以称之为“各组流动混凝土视频预处理图像”是因为流动混凝土视频在被采集后，本领域技术人员可以对其进行剪裁及抽帧处理，以使其达到更好的展示效果后再输入预先训练得到的离析程度分析模型。剪裁及抽帧处理可使原有的一段较长的流动混凝土视频图像转变为多段流动混凝土视频预处理图像。由于离析程度分析模型预先经过深度学习训练，当各组流动混凝土视频预处理图像被输入至离析程度分析模型时，离析程度分析模型可以对上述各组流动混凝土视频预处理图像进行分析，得到各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签。

另需说明的是，在视频采集过程中，拍摄设备应尽可能固定放置，视频的拍摄角度不限，尽量去除视频界面中除混凝土以外的其他杂物。具体地，针对搅拌机内正在搅拌的流动混凝土视频，应尽量保证视频包含搅拌机口的各边界及大部分的搅拌机腹部内壁；针对坍落扩展度实验的流动混凝土视频，应尽量保证视频包含整个自密实混凝土的坍落扩展度饼；针对搅拌运输车灌装混凝土口的流动混凝土视频，应尽量保证视频包含混罐车口的各边界及大部分内壁；针对混凝土从搅拌运输车倒入混凝土泵车内的流动混凝土视频，应尽量保证视频包含混凝土整个流动边界；针对混凝土从泵管泵出的流动混凝土视频，应尽量保证视频包含混凝土整个流动边界。

S102：根据所述混凝土抗离析性能标签确定混凝土离析程度。

可以理解的是，本申请实施例中各组流动混凝土视频预处理图像分别对应有混凝土抗离析性能标签，这些标签可能包括：“不离析”、“轻微离析”、“中度离析”及“重度离析”。各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签可能不同，取多数者作为流动混凝土视频中混凝土最终的离析程度标签，确定混凝土离析程度。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够利用深度学习技术得到离析程度分析模型，对流动混凝土视频图像中混凝土的离析程度进行分析，减少了人工判断混凝土离析程度的误差，提高了判断混凝土离析程度的准确性，满足了快速、实时获取混凝土离析程度的技术需求，为快速获得抗离析性能较好的混凝土提供了技术支持。

一实施例中，在将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签之前，还包括：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

参见图2及图10，对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像，包括：

S201：将流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

可以理解的是，在实际工程中，出于节约算力等方面的考虑，流动混凝土视频图像的帧率以及帧数无需太高就能得到较好的分析结果。因此可以将流动混凝土视频图像进行时域等分剪裁，将较长的流动混凝土视频图像裁剪为数段较短的流动混凝土视频图像，形成流动混凝土视频图像段。例如，一段2分13.15秒的流动混凝土视频图像，可以被裁剪为13段10秒的流动混凝土视频图像段和1段3.15秒的流动混凝土视频图像段。其中，13段10秒的流动混凝土视频图像段可以作为有效视频采用，而1段3.15秒的流动混凝土视频图像段可以作为无效视频弃用。

S202：针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

S203：根据抽帧结果生成多组流动混凝土视频预处理图像。

可以理解的是，举例而言，假设流动混凝土视频图像的帧率是6fps，则每段流动混凝土视频图像段有60帧，那么可以将一段10秒的流动混凝土视频图像段抽帧成为3条帧率为2fps的数据，每条数据有20帧图像。这样就可以从一条较长视频中得到39条数据不同但标签相同的数据。最后可以将这些数据按照流动混凝土视频图像的一定的顺序进行排列，得到一条有序的图像，作为一条数据。本申请不以特定的排列顺序为限。需要说明的是，以上帧率及帧数仅是为了说明本方法的可行性，并不用于具体限定本方法在实施时的实际帧率及帧数。当然，裁剪与抽帧的执行顺序可以调换，本申请不以此为限。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

参见图3，预先训练得到所述离析程度分析模型的步骤，包括：

S301：对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

可以理解的是，对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像的方法与S201～S203中所述的方法基本一致，不同之处仅在于，S301中的视频图像为坍落扩展度训练视频图像，该图像用于进行离析程度分析模型训练，而S201～S203中的视频图像为任一流动混凝土视频图像。

S302：确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

可以理解的是，坍落扩展度训练视频图像对应的抗离析性能训练标签可以通过S401～S403中所述的方法进行确定。

S303：将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

可以理解的是，本申请实施例中有监督的机器学习模型选取的是CNN模型及LSTM模型，二者分别用于完成静态图片特征提取及有序图片特征提取。利用有监督的机器学习方法可以对以上两个模型进行训练，得到离析程度分析模型。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够完成对离析程度分析模型的训练。

参见图4，确定坍落扩展度训练视频图像对应的抗离析性能训练标签，包括：

S401：根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

可以理解的是，在实际工程中，当需采用本申请所述的方法进行非接触式混凝土离析程度智能化实时分析时，可先对混凝土进行坍落扩展度试验，得到坍落扩展度饼。然后利用直尺等常规测量工具对该坍落扩展度饼进行几何参数测量，这些参数包括但不限于饼体直径及饼体高度。另外，混凝土具有其固有的物理参数，这些参数包括但不限于混凝土中粗骨料的体积及密度。根据混凝土的物理参数及坍落扩展度饼的几何参数可以确定混凝土抗离析性能的基础指标值。这些基础指标值反映了混凝土的长度特征、面积特征及体积特征。

具体地，长度指标值包括饼体最大直径D1、饼体最小直径D2、饼体最大高度H1、中心扎堆骨料最大直径D3、中心扎堆骨料最小直径D4及中心扎堆骨料最大高度H2；面积指标值包括泌水面积S1、未被砂浆包裹的粗骨料面积S2、非泌水面积S3及中心扎堆骨料面积S4；体积指标值包括粗骨料的总体积V1、未被砂浆包裹的粗骨料的体积V2、未被砂浆包裹的粗骨料漏出部分的体积V3、泌水水体体积V6及中心扎堆骨料的体积V7、混凝土的总体积V4、混凝土中砂浆的体积V5及水当量体积V8。

S402：根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

可以理解的是，为了更好地分析混凝土抗离析性能，本申请还提出了多个衍生指标值。这些衍生指标值可以通过上述基础指标值确定，反映了混凝土的泌水程度、砂浆包裹粗骨料程度及中间石子堆积程度。本领域技术人员知道混凝土抗离析性能在坍落扩展度饼的边缘无泌水时情况更好，在砂浆完全包裹住粗骨料时情况更好，在坍落扩展度饼的中间无石子堆积时情况更好。

本申请提出的衍生指标值中，利用

或

能够表征混凝土的泌水程度；利用

或

能够表征砂浆包裹粗骨料程度；利用

或

能够表征中间石子堆积程度；利用

或

能够表征砂浆包裹粗骨料程度；利用

或

能够表征砂浆包裹粗骨料程度；利用

或

或

能够表征混凝土的泌水程度；利用

或

能够表征中间石子堆积程度；利用

或

能够表征砂浆包裹粗骨料程度。其中，D11及D21分别表示含泌水区最大直径及含泌水区最小直径。

S403：根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

可以理解的是，本申请提供的非接触式混凝土离析程度智能化实时分析方法可以预设混凝土抗离析性能的分析阈值，参见表1～表8。以下阈值可分别对应于S402中所述的各程度指标所对应的计算结果。对照数值可以得到抗离析性能训练标签，抗离析性能训练标签包括：不离析、轻微离析、中度离析及重度离析。

表1

表2

表3

表4

表5

表6

表7

表8

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够确定坍落扩展度训练视频图像对应的抗离析性能训练标签。

一实施例中，在根据基础指标值确定混凝土抗离析性能的衍生指标值之后，还包括：

根据衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

可以理解的是，在实际工程中，由于抗离析性能训练标签有时划分较粗，例如在本申请实施例中，抗离析性能训练标签仅被划分为四个档位，即不离析、轻微离析、中度离析及重度离析。为了取得更好地分析效果，可以将混凝土抗离析性能的分析阈值进行细分，划分出更多的档位，得到更加细分的标签。其实施原理与上述S401～S403所述的步骤相似，不再赘述。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够确定坍落扩展度训练视频图像对应的抗离析性能训练标签。

基于同一发明构思，本申请实施例还提供了一种非接触式混凝土离析程度智能化实时分析装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于非接触式混凝土离析程度智能化实时分析装置解决问题的原理与非接触式混凝土离析程度智能化实时分析方法相似，因此非接触式混凝土离析程度智能化实时分析装置的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

参见图5，为了能够对流动混凝土视频图像中混凝土的离析程度进行分析，本申请提供一种非接触式混凝土离析程度智能化实时分析装置，包括：

标签确定单元501，用于将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

离析程度确定单元502，用于根据所述混凝土抗离析性能标签确定混凝土离析程度。

一实施例中，非接触式混凝土离析程度智能化实时分析装置，还具体用于：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

参见图6，非接触式混凝土离析程度智能化实时分析装置，还包括：

剪裁单元601，用于将所述流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

抽帧单元602，用于针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

预处理图像生成单元603，用于预处理图像根据抽帧结果生成多组流动混凝土视频预处理图像。

参见图7，非接触式混凝土离析程度智能化实时分析装置，还包括：

训练预处理图像生成单元701，用于对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

训练标签确定单元702，用于确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

分析模型生成单元703，用于将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

参见图8，训练标签确定单元702，包括：

基础指标确定模块801，用于根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

衍生指标确定模块802，用于根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

训练标签确定模块803，用于根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

一实施例中，非接触式混凝土离析程度智能化实时分析装置，还具体用于：

根据所述衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

从硬件层面来说，为了能够对流动混凝土视频图像中混凝土的离析程度进行分析，本申请提供一种用于实现所述非接触式混凝土离析程度智能化实时分析方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：

处理器(Processor)、存储器(Memory)、通讯接口(Communications Interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述非接触式混凝土离析程度智能化实时分析装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的非接触式混凝土离析程度智能化实时分析方法的实施例，以及非接触式混凝土离析程度智能化实时分析装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，非接触式混凝土离析程度智能化实时分析方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。

上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。

图9为本申请实施例的电子设备9600的系统构成的示意框图。如图9所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图9是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，非接触式混凝土离析程度智能化实时分析方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

S101：将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

S102：根据所述混凝土抗离析性能标签确定混凝土离析程度。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法，能够利用深度学习技术得到离析程度分析模型，对流动混凝土视频图像中混凝土的离析程度进行分析，减少了人工判断混凝土离析程度的误差，提高了判断混凝土离析程度的准确性，满足了快速、实时获取混凝土离析程度的技术需求，为快速获得抗离析性能较好的混凝土提供了技术支持。

在另一个实施方式中，非接触式混凝土离析程度智能化实时分析装置可以与中央处理器9100分开配置，例如可以将数据复合传输装置非接触式混凝土离析程度智能化实时分析装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现非接触式混凝土离析程度智能化实时分析方法的功能。

如图9所示，该电子设备9600还可以包括：通讯模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图9中所示的所有部件；此外，电子设备9600还可以包括图9中没有示出的部件，可以参考现有技术。

如图9所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通讯功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通讯模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通讯模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通讯终端的情况相同。

基于不同的通讯技术，在同一电子设备中，可以设置有多个通讯模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通讯模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的非接触式混凝土离析程度智能化实时分析方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的非接触式混凝土离析程度智能化实时分析方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

S101：将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

S102：根据所述混凝土抗离析性能标签确定混凝土离析程度。

从上述描述可知，本申请提供的非接触式混凝土离析程度智能化实时分析方法及装置，能够利用深度学习技术得到离析程度分析模型，对流动混凝土视频图像中混凝土的离析程度进行分析，减少了人工判断混凝土离析程度的误差，提高了判断混凝土离析程度的准确性，满足了快速、实时获取混凝土离析程度的技术需求，为快速获得抗离析性能较好的混凝土提供了技术支持。

本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种非接触式混凝土离析程度智能化实时分析方法，其特征在于，包括：

将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

根据所述混凝土抗离析性能标签确定混凝土离析程度。

2.根据权利要求1所述的非接触式混凝土离析程度智能化实时分析方法，其特征在于，在将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签之前，还包括：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

3.根据权利要求2所述的非接触式混凝土离析程度智能化实时分析方法，其特征在于，对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像，包括：

将所述流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

根据抽帧结果生成多组流动混凝土视频预处理图像。

4.根据权利要求1所述的非接触式混凝土离析程度智能化实时分析方法，其特征在于，预先训练得到所述离析程度分析模型的步骤，包括：

对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

5.根据权利要求4所述的非接触式混凝土离析程度智能化实时分析方法，其特征在于，所述确定坍落扩展度训练视频图像对应的抗离析性能训练标签，包括：

根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

6.根据权利要求5所述的非接触式混凝土离析程度智能化实时分析方法，其特征在于，在根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值之后，还包括：

根据所述衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

7.一种非接触式混凝土离析程度智能化实时分析装置，其特征在于，包括：

标签确定单元，用于将各组流动混凝土视频预处理图像输入预先训练得到的离析程度分析模型，得到所述各组流动混凝土视频预处理图像分别对应的混凝土抗离析性能标签；

离析程度确定单元，用于根据所述混凝土抗离析性能标签确定混凝土离析程度。

8.根据权利要求7所述的非接触式混凝土离析程度智能化实时分析装置，其特征在于，还具体用于：

对流动混凝土视频图像进行剪裁及抽帧，得到多组流动混凝土视频预处理图像。

9.根据权利要求7所述的非接触式混凝土离析程度智能化实时分析装置，其特征在于，还包括：

剪裁单元，用于将所述流动混凝土视频图像进行时域等分剪裁，得到流动混凝土视频图像段；

抽帧单元，用于针对每一流动混凝土视频图像段，按照预设间隔步长进行抽帧；

预处理图像生成单元，用于预处理图像根据抽帧结果生成多组流动混凝土视频预处理图像。

10.根据权利要求7所述的非接触式混凝土离析程度智能化实时分析装置，其特征在于，还包括：

训练预处理图像生成单元，用于对获取到的坍落扩展度训练视频图像进行剪裁及抽帧，得到多组坍落扩展度训练预处理图像；

训练标签确定单元，用于确定坍落扩展度训练视频图像对应的抗离析性能训练标签；

分析模型生成单元，用于将多组坍落扩展度训练预处理图像及所述抗离析性能训练标签输入有监督的机器学习模型，得到离析程度分析模型。

11.根据权利要求10所述的非接触式混凝土离析程度智能化实时分析装置，其特征在于，所述训练标签确定单元，包括：

基础指标确定模块，用于根据混凝土的物理参数及所述坍落扩展度训练视频图像中的坍落扩展度饼的几何参数确定混凝土抗离析性能的基础指标值；其中，所述基础指标值包括：长度指标值、面积指标值及体积指标值；

衍生指标确定模块，用于根据所述基础指标值确定所述混凝土抗离析性能的衍生指标值；其中，所述衍生指标值包括：泌水指标、砂浆包裹粗骨料程度指标及中间石子堆积指标；

训练标签确定模块，用于根据所述衍生指标值及预设的混凝土抗离析性能的分析阈值对混凝土抗离析性能进行分析，得到所述抗离析性能训练标签。

12.根据权利要求11所述的非接触式混凝土离析程度智能化实时分析装置，其特征在于，还具体用于：

根据所述衍生指标值及预设的混凝土抗离析性能的细分分析阈值对混凝土抗离析性能进行分析，得到抗离析性能细分标签。

13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述的非接触式混凝土离析程度智能化实时分析方法的步骤。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6任一项所述的非接触式混凝土离析程度智能化实时分析方法的步骤。

Images