CN113032868B - 预制构件管理方法、装置、电子设备及存储介质 - Google Patents
预制构件管理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113032868B CN113032868B CN202110252992.7A CN202110252992A CN113032868B CN 113032868 B CN113032868 B CN 113032868B CN 202110252992 A CN202110252992 A CN 202110252992A CN 113032868 B CN113032868 B CN 113032868B
- Authority
- CN
- China
- Prior art keywords
- information
- parameter extraction
- extraction area
- management table
- component
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 149
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000010276 construction Methods 0.000 claims abstract description 34
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 238000009434 installation Methods 0.000 claims abstract description 16
- 238000003062 neural network model Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 79
- 230000002093 peripheral effect Effects 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 17
- 238000013459 approach Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000010191 image analysis Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Civil Engineering (AREA)
- Biophysics (AREA)
- Structural Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Computational Linguistics (AREA)
- Architecture (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种预制构件管理方法、装置、电子设备及存储介质，该方法包括：将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。本申请实施例有利于提高装配式建筑中预制构件的管理效率。
Description
技术领域
本申请涉及装配式建筑技术领域，尤其涉及一种预制构件管理方法、装置、电子设备及存储介质。
背景技术
装配式建筑是指由装配式建筑构件组装而成的建筑，其将传统建造方式中的大量现场作业工作转移到工厂进行，具有速度快、生产成本低的特点。BIM(BuildingInformation Modeling)技术是一种应用于工程设计、建造、管理的数据化工具，基于BIM技术所开发的装配式建筑云平台，在预制构件的管理、施工进度的掌握方面有着非常重要的作用。然而，现有装配式建筑工程通常是根据项目的基本信息建立工程项目，以各个实施阶段的BIM应用点来进行预制构件的管理，整个管理过程人工参与过多，管理效率较低。
发明内容
为解决上述问题，本申请提供了一种预制构件管理方法、装置、电子设备及存储介质，有利于提高装配式建筑中预制构件的管理效率。
本申请实施例第一方面提供了一种预制构件管理方法，该方法包括：
将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；
通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；
基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；
在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；
基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
结合第一方面，在一种可能的实施方式中，将装配式建筑整体BIM模型拆分为BIM单元模型，包括：
确定装配式建筑整体BIM模型所属的建筑类型；
根据建筑类型确定装配式建筑整体BIM模型的拆分参数；
按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型。
结合第一方面，在一种可能的实施方式中，根据建筑类型确定装配式建筑整体BIM模型的拆分参数，包括：
获取该建筑类型对应的BIM模型拆分文件；
采用关键词匹配从BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区；
分别从外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息；
按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从上述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件；
从该目标构件的属性信息和物料信息中获取到拆分参数。
结合第一方面，在一种可能的实施方式中，基于图像数据得到预制构件在各阶段的第二信息，包括：
对图像数据进行增强处理，得到增强后的目标图像数据；
对目标图像数据进行目标检测，基于检测出的目标在目标图像数据中的位置信息从目标图像数据中分割出至少一张目标区域图像；
对至少一张目标区域图像两两进行重叠区域检测；
对于检测出的重叠区域，获取所述重叠区域中像素的灰度值，使用该灰度值的平均值对该灰度值进行替换，得到至少一张目标区域图像中每张目标区域图像对应的待处理区域图像；
基于上述位置信息将待处理区域图像贴回目标图像数据，得到待处理图像数据；
对待处理图像数据进行特征提取，并对提取出的特征进行分类，得到预制构件在各阶段的工况、时间、人员和地点信息；
将预制构件在所述各阶段的工况、时间、人员和地点信息确定为第二信息。
结合第一方面，在一种可能的实施方式中，第二信息还包括在施工阶段对待处理图像数据中的现场场堆和施工主体进行识别得到的已进场构件；该方法还包括：
在施工阶段，将已进场构件的编码与预制构件的编码进行匹配，以确定预制构件的进场数量；
在该进场数量小于预设进场数量的情况下，确定预制构件存在延期风险。
结合第一方面，在一种可能的实施方式中，基于第二信息对预测信息管理表各表项对应的第一信息进行修正，包括：
按照预测信息管理表各表项对第二信息进行整理，得到与预测信息管理表各表项格式相符的第三信息；
将第三信息与预测信息管理表各表项对应的第一信息逐一进行匹配；
在预测信息管理表各表项对应的第一信息与第三信息不符的情况下，采用第三信息进行修正。
本申请实施例第二方面提供了一种预制构件管理装置，该装置包括：
管理表生成模块，用于将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；
信息预测模块，用于通过对同类已完成工程项目的学习，采用神经网络模型预测所述预制构件在制造、运输、施工安装和验收各阶段的第一信息；
信息更新模块，用于基于第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；
图像分析模块，用于在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到预制构件在各阶段的第二信息；
信息修正模块，用于基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
本申请实施例第三方面提供了一种电子设备，该电子设备包括输入设备和输出设备，还包括处理器，适于实现一条或多条指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行上述第一方面所述的方法中的步骤。
本申请实施例第四方面提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行上述第一方面所述的方法中的步骤。
与现有技术相比，本申请实施例通过将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。这样在对整体BIM模型进行拆分后，生成BIM单元模型对应的预制构件的信息管理表，在各阶段采用预测得到的第一信息对信息管理表进行更新，并结合无人机和/或摄像头采集的图像数据得到的第二信息对第一信息进行修正，整个过程减少了人工的参与，有利于提高装配式建筑中预制构件的管理效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例提供的一种网络系统架构图；
图2为本申请实施例提供的一种预制构件管理方法的流程示意图；
图3为本申请实施例提供的一种拆分装配式建筑整体BIM模型的示例图；
图4为本申请实施例提供的一种获取目标区域图像的示例图；
图5为本申请实施例提供的另一种预制构件管理方法的流程示意图；
图6为本申请实施例提供的一种预制构件管理装置的结构示意图；
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。
本申请说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同的对象，而并非用于描述特定的顺序。
本申请实施例提供一种预制构件管理方案以对装配式建筑中的预制构件进行管理，该方案在获取到装配式建筑整体BIM模型的情况下，以构件为单位将其拆分为BIM单元模型，并为每个BIM单元模型对应的预制构件生成信息管理表，该信息管理表具体可包括预制构件在制造、运输、施工安装和验收各阶段的工况、时间、人员和地点信息。在制造、运输、施工安装和验收各阶段，采用训练好的神经网络模型预测预制构件的工况、时间、人员和地点信息，采用预测信息对信息管理表进行更新，并接收无人机和/或摄像头采集的图像数据，通过对图像数据的分析，得到预制构件在各阶段的实际工况、时间、人员和地点信息，然后采用实际工况、时间、人员和地点信息对预测信息进行修正，得到预制构件在各阶段的实际信息管理表。整个过程减少了人工的参与，不仅有利于减少人工成本，还有利于提高预制构件的管理效率。
具体的，该预制构件管理方案可基于图1所示的网络系统架构进行实施，如图1所示，该网络系统架构至少包括用户终端、服务器和图像采集设备，整个网络系统通过网络连接，该网络可以是虚拟专用网、局域网、广域网等，具体通信传输协议不作限定。用户终端用于提供人机交互界面，接收用户的输入，并向服务器发送该输入，使得服务器执行相应操作，并可对BIM模型进行展示，以及用于输出预制构件的信息管理表。服务器用于对BIM模型进行加载，并根据获取到的拆分参数将BIM模型拆分为BIM单元模型，基于BIM模型设计文件中的信息生成BIM单元模型的信息管理表，并在各阶段对该信息管理表中的信息进行更新和修正，最终将修正后的信息管理表输出至用户终端，以供相关人员采取相应管理措施。示例性的，图像采集设备可以是设置于工厂、工地等地的摄像头，或周期性巡航的无人机，图像采集设备通过服务器下发的参数或指令进行图像数据的采集和上传。可以理解的，本申请中的用户终端可以是电脑、平板电脑、智能手机、可穿戴设备、个人数字助理等设备，服务器可以是本地服务器，也可以是云端服务器，或者也可以是服务器集群，图1仅仅是一种示例，其还可以包括如数据库、路由器、交换机等更多的组成部分。
基于图1所示的网络系统架构，以下结合相关附图对本申请实施例提出的预制构件管理方法进行详细阐述，请参见图2，图2为本申请实施例提供的一种预制构件管理方法的流程示意图，如图2所示，包括步骤S21-S25：
S21，将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表。
本申请具体实施例中，BIM单元模型是指以预制构件为单位对装配式建筑整体BIM模型进行拆分得到的模型，示例性的，如图3所示，上述将装配式建筑整体BIM模型拆分为BIM单元模型，包括步骤S31-S33：
S31，确定装配式建筑整体BIM模型所属的建筑类型。
其中，该建筑类型可以是住宅地产、商业地产或各种大小型工程项目，由于各建筑类型在设计阶段采用的构件区别较大，因此，需要基于装配式建筑整体BIM模型所属的建筑类型来确定其对预制构件具体的拆分参数。
S32，根据建筑类型确定装配式建筑整体BIM模型的拆分参数。
其中，拆分参数可以是指装配式建筑整体BIM模型中预制构件的属性信息或物料信息，比如叠合板的属性信息：厚度60mm+70mm，宽度上限2.4m，最小板缝宽度30mm，搭接长度10mm；比如墙板的物料信息：钢筋，钢丝网，填充物等。
示例性的，步骤S32可以包括：
获取该建筑类型对应的BIM模型拆分文件。其中，按照上述住宅地产、商业地产或各种大小型工程项目的划分，每个建筑类型对应有不同的拆分文件，该拆分文件中记录有各建筑类型需要用到的构件的属性信息和物料信息，在一些场景中，该拆分文件可以是设计文件。
采用关键词匹配从BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区。其中，外围轮廓构件包括柱、梁、承重墙、护窗栏杆等，内部空间构件包括圆形马桶、矩形房间等，功能结构构件包括排水构件、暖通构件等，设施构件包括电气类构件等。当然，需要确定的参数提取区还可以包括更多类别的构件，以上仅为一种示例。具体的，采用关键词匹配从BIM模型拆分文件中确定出描述外围轮廓构件、内部空间构件、功能结构构件和设施构件中至少一种的文本段，其中，该文本段可以是表格，对该文本段进行分词和词性标注，保留名词和数字，以该名字和数字为节点构建关键词图，计算该关键词图中的每个节点在对应文本段中的权重，对该权重进行求和得到目标权重，在该目标权重大于或等于预设值的情况下，将该文本段确定为外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区或设施构件参数提取区。
分别从外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息。其中，按照确定出的各类构件参数提取区，分别从各类构件参数提取区提取到对应该类型的单个构件以及该单个构件的属性信息和物料信息。比如对于外围轮廓构件参数提取区，其可能存在单独描述钢柱属性信息和物料信息的文本段，从该文本段中便能提取到对钢柱这一预制构件进行拆分的拆分参数。
按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从上述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件。其中，BIM模型拆分文件中各类构件的数量较多，某些单个构件在装配式建筑整体BIM模型中并未使用，因此，需要遍历装配式建筑整体BIM模型，以确定其在上述各类构件对应的单个构件中使用到的目标构件，比如设施构件中可能包括众多连接构件，但装配式建筑整体BIM模型的预制构件中并未使用到该连接构件，则该连接构件不为目标构件。
从该目标构件的属性信息和物料信息中获取到拆分参数。对于装配式建筑整体BIM模型中使用到的目标构件，可直接将其属性信息和物料信息作为其拆分参数，也可对其进行归纳整理，形成相应的拆分规则，将该拆分规则作为其拆分参数。
S33，按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型。其中，可按照目标构件的属性信息和物料信息将单个目标构件拆分为对应的BIM单元模型，也可按照基于目标构件的属性信息和物料信息形成的拆分规则将单个目标构件拆分为对应的BIM单元模型。
该实施方式中，根据装配式建筑整体BIM模型的建筑类型确定对应的BIM模型拆分文件，从BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，再基于每个类型对应的单个构件的属性信息和物料信息，提取出装配式建筑整体BIM模型使用到的目标构件(也即预制构件)的属性信息和物料信息，这样可以按照构件类型获取到对应预制构件的拆分参数，基于该拆分参数可以实现对装配式建筑整体BIM模型的精准拆分。
S22，通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息。
本申请具体实施例中，同类已完成工程项目是指与装配式建筑整体BIM模型所属的建筑类型相同且已经完成的工程项目，比如装配式建筑整体BIM模型所属的建筑类型为住宅地产，则可通过对数据库中已完成住宅地产类项目各阶段的学习，基于上一阶段预制构件的实际信息预测其在下一阶段的第一信息，该第一信息是指神经网络模型预测出的预制构件的工况、时间、人员和地点信息，上一阶段预制构件的实际信息可基于采集的图像数据得到。
S23，基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表。
本申请具体实施例中，信息管理表各表项可以是上述工况、时间、人员和地点，在预测出预制构件的第一信息后，按照信息管理表各表项的填写格式对第一信息进行整理，使用经过整理的第一信息逐一对信息管理表对应表项中的信息进行替换，以完成信息管理表在各阶段的更新，得到相应的预测信息管理表。
S24，在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息。
本申请具体实施例中，无人机和/或摄像头在各阶段周期性或实时将采集的图像数据上传至服务器，上述基于图像数据得到预制构件在各阶段的第二信息，包括：
对图像数据进行增强处理，得到增强后的目标图像数据。其中，针对无人机和/或摄像头上传的图像数据，获取图像数据的直方图分布，将直方图中灰度级超过阈值的部分平均分配到各个灰度级；将该图像数据切分为图像块，计算出每个图像块的直方图分布，针对图像数据中的每个像素点，确定邻近的四个窗口，计算该四个窗口直方图分布对该每个像素点的映射值，再进行双线性插值计算出该每个像素点最终的映射值，得到增强后的目标图像数据。
对目标图像数据进行目标检测，基于检测出的目标在目标图像数据中的位置信息从目标图像数据中分割出至少一张目标区域图像。其中，目标检测可以采用YOLO-V3(YouOnly Look Once-V3，一瞥目标检测器V3)检测器实现，检测出的目标可以包括预制构件、人员以及设备，该设备可以是工厂的加工设备、现场的施工设备、运输车辆等，该位置信息可以是目标的矩形检测框的左上角坐标和右下角坐标，如图4所示，将每个目标的矩形检测框覆盖的区域从目标图像数据中裁剪出得到至少一张目标区域图像。
对至少一张目标区域图像两两进行重叠区域检测。其中，可以采用图像配准的方法对其两两进行重叠区域检测，也可以采用区域性特征密度检测的方法对其两两进行重叠区域检测。
对于检测出的重叠区域，获取所述重叠区域中像素的灰度值，使用该灰度值的平均值对该灰度值进行替换，得到至少一张目标区域图像中每张目标区域图像对应的待处理区域图像。其中，重叠区域往往是存在遮挡的区域，比如现场人员的部分对预制构件的部分遮挡，采用灰度平均值对像素的灰度值进行替换，一定程度上有利于降低遮挡物的特征对被遮挡物的特征的影响，提高后期分类的准确度。
基于上述位置信息将待处理区域图像贴回目标图像数据，得到待处理图像数据。其中，按照至少一张目标区域图像矩形检测框的左上角坐标和右下角坐标将其贴回目标图像数据即得到待处理图像数据。
对待处理图像数据进行特征提取，并对提取出的特征进行分类，得到预制构件在各阶段的工况、时间、人员和地点信息。其中，对待处理图像数据进行特征提取和分类可以采用同一神经网络框架进行，也可采用不同的神经网络框架，此处不作限定。
将预制构件在所述各阶段的工况、时间、人员和地点信息确定为第二信息。其中，该第二信息是指基于图像数据识别并分析出的预制构件在制造、运输、施工安装和验收各阶段的实际工况、时间、人员和地点信息。
S25，基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
本申请具体实施例中，与第一信息类似的，在得到第二信息后，按照预测信息管理表各表项的填写格式对第二信息进行整理，得到与预测信息管理表各表项格式相符的第三信息，将第三信息与预测信息管理表各表项对应的第一信息逐一进行匹配，在预测信息管理表各表项对应的第一信息与第三信息不符的情况下，采用第三信息对该各表项对应的第一信息进行替换，以完成修正。应当理解的，在预测信息管理表各表项对应的第一信息与第三信息相符的情况下，不执行对该各表项对应的第一信息进行替换的操作。
示例性的，第二信息还包括在施工阶段对待处理图像数据中的现场场堆和施工主体进行识别得到的已进场构件；该方法还包括：
在施工阶段，将已进场构件的编码与预制构件的编码进行匹配，以确定预制构件的进场数量；
在该进场数量小于预设进场数量的情况下，确定预制构件存在延期风险。
其中，装配式建筑中，通常会将模型中的预制构件与施工现场已进场构件进行映射，具体即通过编码实现，将二者的编码进行匹配可以确定装配式建筑整体BIM模型中的预制构件的进场数量，在该进场数量小于预设进场数量的情况下，确定预制构件有延期，可向管理人员的用户终端发送延期预警。
可以看出，本申请实施例通过将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。这样在对整体BIM模型进行拆分后，生成BIM单元模型对应的预制构件的信息管理表，在各阶段采用预测得到的第一信息对信息管理表进行更新，并结合无人机和/或摄像头采集的图像数据得到的第二信息对第一信息进行修正，整个过程减少了人工的参与，有利于提高装配式建筑中预制构件的管理效率。
请参见图5，图5为本申请实施例提供的另一种预制构件管理方法的流程示意图，如图5所示，包括步骤S51-S57：
S51，确定装配式建筑整体BIM模型所属的建筑类型；
S52，根据建筑类型确定装配式建筑整体BIM模型的拆分参数；
S53，按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；
S54，通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；
S55，基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；
S56，在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；
S57，基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
其中，上述步骤S51-S57的具体实施方式在图2所示的实施例中已有详细说明，为避免重复，此处不再赘述。
本申请实施例通过确定装配式建筑整体BIM模型所属的建筑类型；根据建筑类型确定装配式建筑整体BIM模型的拆分参数；按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型，以提高对装配式建筑整体BIM模型的拆分精度，然后生成BIM单元模型对应的预制构件的信息管理表，通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。这样在对整体BIM模型进行拆分后，生成BIM单元模型对应的预制构件的信息管理表，在各阶段采用预测得到的第一信息对信息管理表进行更新，并结合无人机和/或摄像头采集的图像数据得到的第二信息对第一信息进行修正，整个过程减少了人工的参与，有利于提高装配式建筑中预制构件的管理效率。
基于上述方法实施例的描述，本申请实施例还提供一种预制构件管理装置，所述预制构件管理装置可以是运行于终端中的一个计算机程序(包括程序代码)。该预制构件管理装置可以执行图2或图5所示的方法。请参见图6，该装置包括：
管理表生成模块61，用于将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；
信息预测模块62，用于通过对同类已完成工程项目的学习，采用神经网络模型预测所述预制构件在制造、运输、施工安装和验收各阶段的第一信息；
信息更新模块63，用于基于第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；
图像分析模块64，用于在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到预制构件在各阶段的第二信息；
信息修正模块65，用于基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
在一种可选的实施方式中，在将装配式建筑整体BIM模型拆分为BIM单元模型方面，管理表生成模块61具体用于：
确定装配式建筑整体BIM模型所属的建筑类型；
根据建筑类型确定装配式建筑整体BIM模型的拆分参数；
按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型。
在一种可选的实施方式中，在根据建筑类型确定装配式建筑整体BIM模型的拆分参数方面，管理表生成模块61具体用于：
获取该建筑类型对应的BIM模型拆分文件；
采用关键词匹配从BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区；
分别从外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息；
按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从上述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件；
从该目标构件的属性信息和物料信息中获取到拆分参数。
在一种可选的实施方式中，在基于图像数据得到预制构件在各阶段的第二信息方面，图像分析模块64具体用于：
对图像数据进行增强处理，得到增强后的目标图像数据；
对目标图像数据进行目标检测，基于检测出的目标在目标图像数据中的位置信息从目标图像数据中分割出至少一张目标区域图像；
对至少一张目标区域图像两两进行重叠区域检测；
对于检测出的重叠区域，获取所述重叠区域中像素的灰度值，使用该灰度值的平均值对该灰度值进行替换，得到至少一张目标区域图像中每张目标区域图像对应的待处理区域图像；
基于上述位置信息将待处理区域图像贴回目标图像数据，得到待处理图像数据；
对待处理图像数据进行特征提取，并对提取出的特征进行分类，得到预制构件在各阶段的工况、时间、人员和地点信息；
将预制构件在所述各阶段的工况、时间、人员和地点信息确定为第二信息。
在一种可选的实施方式中，图像分析模块64还用于：
在施工阶段，将已进场构件的编码与预制构件的编码进行匹配，以确定预制构件的进场数量；
在该进场数量小于预设进场数量的情况下，确定预制构件存在延期风险。
在一种可选的实施方式中，在基于第二信息对预测信息管理表各表项对应的第一信息进行修正方面，信息修正模块65具体用于：
按照预测信息管理表各表项对第二信息进行整理，得到与预测信息管理表各表项格式相符的第三信息；
将第三信息与预测信息管理表各表项对应的第一信息逐一进行匹配；
在预测信息管理表各表项对应的第一信息与第三信息不符的情况下，采用第三信息进行修正。
本申请实施例提供的预制构件管理装置通过设置管理表生成模块将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；通过设置信息预测模块对同类已完成工程项目的学习，采用神经网络模型预测所述预制构件在制造、运输、施工安装和验收各阶段的第一信息；通过设置信息更新模块基于第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；通过设置图像分析模块在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到预制构件在各阶段的第二信息；以及通过设置信息修正模块基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表，从而有利于提高装配式建筑中预制构件的管理效率。
根据本申请的一个实施例，图6所示的预制构件管理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本发明的其它实施例中，预制构件管理装置也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。
根据本申请的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2或图5中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图6所示的装置设备，以及来实现本发明实施例的上述方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。
基于上述方法实施例以及装置实施例的描述，本发明实施例还提供一种电子设备。请参见图7，该电子设备至少包括处理器71、输入设备72、输出设备73以及计算机存储介质74。其中，电子设备内的处理器71、输入设备72、输出设备73以及计算机存储介质74可通过总线或其他方式连接。
计算机存储介质74可以存储在电子设备的存储器中，所述计算机存储介质74用于存储计算机程序，所述计算机程序包括程序指令，所述处理器71用于执行所述计算机存储介质74存储的程序指令。处理器71(或称CPU(Central Processing Unit，中央处理器))是电子设备的计算核心以及控制核心，其适于实现一条或多条指令，具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能。
在一个实施例中，本申请实施例提供的电子设备的处理器71可以用于进行一系列预制构件的管理处理，包括：
将装配式建筑整体BIM模型拆分为BIM单元模型，并生成BIM单元模型对应的预制构件的信息管理表；
通过对同类已完成工程项目的学习，采用神经网络模型预测预制构件在制造、运输、施工安装和验收各阶段的第一信息；
基于所述第一信息对信息管理表各表项对应的信息进行更新，得到预制构件在各阶段的预测信息管理表；
在各阶段接收无人机和/或摄像头采集的图像数据，基于图像数据得到所述预制构件在各阶段的第二信息；
基于第二信息对预测信息管理表各表项对应的第一信息进行修正，得到修正后的信息管理表。
在另一个实施例中，处理器71执行将装配式建筑整体BIM模型拆分为BIM单元模型，包括：
确定装配式建筑整体BIM模型所属的建筑类型；
根据建筑类型确定装配式建筑整体BIM模型的拆分参数；
按照拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型。
在另一个实施例中，处理器71执行根据建筑类型确定装配式建筑整体BIM模型的拆分参数，包括：
获取该建筑类型对应的BIM模型拆分文件；
采用关键词匹配从BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区；
分别从外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息；
按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从上述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件；
从该目标构件的属性信息和物料信息中获取到拆分参数。
在另一个实施例中，处理器71执行基于图像数据得到预制构件在各阶段的第二信息，包括：
对图像数据进行增强处理，得到增强后的目标图像数据；
对目标图像数据进行目标检测，基于检测出的目标在目标图像数据中的位置信息从目标图像数据中分割出至少一张目标区域图像；
对至少一张目标区域图像两两进行重叠区域检测；
对于检测出的重叠区域，获取所述重叠区域中像素的灰度值，使用该灰度值的平均值对该灰度值进行替换，得到至少一张目标区域图像中每张目标区域图像对应的待处理区域图像；
基于上述位置信息将待处理区域图像贴回目标图像数据，得到待处理图像数据；
对待处理图像数据进行特征提取，并对提取出的特征进行分类，得到预制构件在各阶段的工况、时间、人员和地点信息；
将预制构件在所述各阶段的工况、时间、人员和地点信息确定为第二信息。
在另一个实施例中，第二信息还包括在施工阶段对待处理图像数据中的现场场堆和施工主体进行识别得到的已进场构件；处理器71还用于执行：
在施工阶段，将已进场构件的编码与预制构件的编码进行匹配，以确定预制构件的进场数量；
在该进场数量小于预设进场数量的情况下，确定预制构件存在延期风险。
在另一个实施例中，处理器71执行基于第二信息对预测信息管理表各表项对应的第一信息进行修正，包括：
按照预测信息管理表各表项对第二信息进行整理，得到与预测信息管理表各表项格式相符的第三信息；
将第三信息与预测信息管理表各表项对应的第一信息逐一进行匹配；
在预测信息管理表各表项对应的第一信息与第三信息不符的情况下，采用第三信息进行修正。
示例性的，上述电子设备可以是独立的物理服务器，也可以是服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器。电子设备可包括但不仅限于处理器71、输入设备72、输出设备73以及计算机存储介质74。本领域技术人员可以理解，所述示意图仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
需要说明的是，由于电子设备的处理器71执行计算机程序时实现上述的预制构件管理方法中的步骤，因此上述预制构件管理方法的实施例均适用于该电子设备，且均能达到相同或相似的有益效果。
本申请实施例还提供了一种计算机存储介质(Memory)，所述计算机存储介质是电子设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机存储介质既可以包括终端中的内置存储介质，当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器71加载并执行的一条或多条的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器；可选的，还可以是至少一个位于远离前述处理器71的计算机存储介质。在一个实施例中，可由处理器71加载并执行计算机存储介质中存放的一条或多条指令，以实现上述有关预制构件管理方法的相应步骤。
需要说明的是，由于计算机存储介质的计算机程序被处理器执行时实现上述的预制构件管理方法中的步骤，因此上述预制构件管理方法的所有实施例或实施方式均适用于该计算机存储介质，且均能达到相同或相似的有益效果。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。
Claims (7)
1.一种预制构件管理方法，其特征在于，所述方法包括：
确定装配式建筑整体BIM模型所属的建筑类型；
获取所述建筑类型对应的BIM模型拆分文件；
采用关键词匹配从所述BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区；
分别从所述外围轮廓构件参数提取区、所述内部空间构件参数提取区、所述功能结构构件参数提取区和所述设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息；
按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从所述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件；
从所述目标构件的属性信息和物料信息中获取到拆分参数；
按照所述拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型，并生成所述BIM单元模型对应的预制构件的信息管理表；
通过对同类已完成工程项目的学习，采用神经网络模型预测所述预制构件在制造、运输、施工安装和验收各阶段的第一信息；
基于所述第一信息对所述信息管理表各表项对应的信息进行更新，得到所述预制构件在所述各阶段的预测信息管理表；
在所述各阶段接收无人机和/或摄像头采集的图像数据，基于所述图像数据得到所述预制构件在所述各阶段的第二信息；
基于所述第二信息对所述预测信息管理表各表项对应的所述第一信息进行修正，得到修正后的信息管理表；
将所述修正后的信息管理表输出至用户终端，以供相关人员采取相应管理措施；
所述采用关键词匹配从所述BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区，包括：
采用关键词匹配从所述BIM模型拆分文件中确定出描述外围轮廓构件、内部空间构件、功能结构构件和设施构件的文本段；
分别对对应的文本段进行分词和词性标注，保留名词和数字，以名词和数字为节点构建关键词图；
计算所述关键词图中的每个节点在对应文本段中的权重，对所述权重进行求和得到目标权重；
在所述目标权重大于或等于预设值的情况下，将对应的文本段确定为参数提取区，得到外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区或设施构件参数提取区。
2.根据权利要求1所述的方法，其特征在于，所述基于所述图像数据得到所述预制构件在所述各阶段的第二信息，包括：
对所述图像数据进行增强处理，得到增强后的目标图像数据；
对所述目标图像数据进行目标检测，基于检测出的目标在所述目标图像数据中的位置信息从所述目标图像数据中分割出至少一张目标区域图像；
对所述至少一张目标区域图像两两进行重叠区域检测；
对于检测出的重叠区域，获取所述重叠区域中像素的灰度值，使用所述灰度值的平均值对所述灰度值进行替换，得到所述至少一张目标区域图像中每张目标区域图像对应的待处理区域图像；
基于所述位置信息将所述待处理区域图像贴回所述目标图像数据，得到待处理图像数据；
对所述待处理图像数据进行特征提取，并对提取出的特征进行分类，得到所述预制构件在所述各阶段的工况、时间、人员和地点信息；
将所述预制构件在所述各阶段的工况、时间、人员和地点信息确定为所述第二信息。
3.根据权利要求2所述的方法，其特征在于，所述第二信息还包括在施工阶段对所述待处理图像数据中的现场场堆和施工主体进行识别得到的已进场构件；所述方法还包括：
在施工阶段，将所述已进场构件的编码与所述预制构件的编码进行匹配，以确定所述预制构件的进场数量；
在所述进场数量小于预设进场数量的情况下，确定所述预制构件存在延期风险。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第二信息对所述预测信息管理表各表项对应的所述第一信息进行修正，包括：
按照所述预测信息管理表各表项对所述第二信息进行整理，得到与所述预测信息管理表各表项格式相符的第三信息；
将所述第三信息与所述预测信息管理表各表项对应的所述第一信息逐一进行匹配；
在所述预测信息管理表各表项对应的所述第一信息与所述第三信息不符的情况下，采用所述第三信息进行修正。
5.一种预制构件管理装置，其特征在于，所述装置包括：
管理表生成模块，用于确定装配式建筑整体BIM模型所属的建筑类型；用于获取所述建筑类型对应的BIM模型拆分文件；采用关键词匹配从所述BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区；分别从所述外围轮廓构件参数提取区、所述内部空间构件参数提取区、所述功能结构构件参数提取区和所述设施构件参数提取区，提取对应类型的单个构件以及该单个构件的属性信息和物料信息；按照外围轮廓构件、内部空间构件、功能结构构件和设施构件的顺序遍历装配式建筑整体BIM模型的每个构件，以从所述单个构件中确定出装配式建筑整体BIM模型使用到的目标构件；从所述目标构件的属性信息和物料信息中获取到拆分参数；按照所述拆分参数将装配式建筑整体BIM模型拆分为BIM单元模型，并生成所述BIM单元模型对应的预制构件的信息管理表；
信息预测模块，用于通过对同类已完成工程项目的学习，采用神经网络模型预测所述预制构件在制造、运输、施工安装和验收各阶段的第一信息；
信息更新模块，用于基于所述第一信息对所述信息管理表各表项对应的信息进行更新，得到所述预制构件在所述各阶段的预测信息管理表；
图像分析模块，用于在所述各阶段接收无人机和/或摄像头采集的图像数据，基于所述图像数据得到所述预制构件在所述各阶段的第二信息；
信息修正模块，用于基于所述第二信息对所述预测信息管理表各表项对应的所述第一信息进行修正，得到修正后的信息管理表；将所述修正后的信息管理表输出至用户终端，以供相关人员采取相应管理措施；
在采用关键词匹配从所述BIM模型拆分文件中确定出外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区和设施构件参数提取区方面，所述管理表生成模块具体用于：
采用关键词匹配从所述BIM模型拆分文件中确定出描述外围轮廓构件、内部空间构件、功能结构构件和设施构件的文本段；
分别对对应的文本段进行分词和词性标注，保留名词和数字，以名词和数字为节点构建关键词图；
计算所述关键词图中的每个节点在对应文本段中的权重，对所述权重进行求和得到目标权重；
在所述目标权重大于或等于预设值的情况下，将对应的文本段确定为参数提取区，得到外围轮廓构件参数提取区、内部空间构件参数提取区、功能结构构件参数提取区或设施构件参数提取区。
6.一种电子设备，包括输入设备和输出设备，其特征在于，还包括：
处理器，适于实现一条或多条指令；以及，
计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行如权利要求1-4任一项所述的方法中的步骤。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由处理器加载并执行如权利要求1-4任一项所述的方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110252992.7A CN113032868B (zh) | 2021-03-08 | 2021-03-08 | 预制构件管理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110252992.7A CN113032868B (zh) | 2021-03-08 | 2021-03-08 | 预制构件管理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113032868A CN113032868A (zh) | 2021-06-25 |
| CN113032868B true CN113032868B (zh) | 2023-10-27 |
Family
ID=76467110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110252992.7A Active CN113032868B (zh) | 2021-03-08 | 2021-03-08 | 预制构件管理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032868B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113655750B (zh) * | 2021-09-08 | 2023-08-18 | 北华航天工业学院 | 一种基于ai物体检测算法的建筑施工监理系统及方法 |
| CN114187536B (zh) * | 2021-12-13 | 2023-03-24 | 苏州方兴信息技术有限公司 | 一种施工进度的确定方法、装置、电子设备和可读介质 |
| CN114579022A (zh) * | 2021-12-13 | 2022-06-03 | 北京市建筑设计研究院有限公司 | 一种模型构件生成方法、装置及电子设备 |
| CN113947688B (zh) * | 2021-12-15 | 2022-06-21 | 中哲国际工程设计有限公司 | 基于bim云平台的预制构件的数据管理系统及方法 |
| CN114445129B (zh) * | 2022-01-13 | 2024-03-19 | 湖北国际物流机场有限公司 | Bim编码系统 |
| CN114493893A (zh) * | 2022-02-16 | 2022-05-13 | 永道工程咨询有限公司 | 投资总控表的生成方法、装置、电子设备及存储介质 |
| CN117010807B (zh) * | 2023-08-01 | 2024-04-09 | 深圳华链软件集团有限公司 | 一种装配式建造供应链优化方法及系统 |
| CN116757556B (zh) * | 2023-08-14 | 2023-10-31 | 成都建工雅安建设有限责任公司 | 一种基于图像处理的防水施工管理方法及系统 |
| CN117494356A (zh) * | 2023-10-31 | 2024-02-02 | 成都建工第九建筑工程有限公司 | 一种基于bim技术的装配式施工方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2016200381A1 (en) * | 2015-01-22 | 2016-08-11 | Csr Building Products Limited | Method of assembling a building component |
| CN107391862A (zh) * | 2017-07-28 | 2017-11-24 | 中建局集团建设发展有限公司 | 一种装配式混凝土结构三维协同设计方法 |
| CN108427818A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种基于bim装配式构件钢筋数据处理方法及装置 |
| CN108427785A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种基于bim的二维图自动标注的方法及装置 |
| CN109635449A (zh) * | 2018-12-14 | 2019-04-16 | 长沙远大住工智能科技有限公司 | 设计非结构构件的方法、装置、存储介质及计算机设备 |
| CN110110478A (zh) * | 2019-05-20 | 2019-08-09 | 广东三维家信息科技有限公司 | 房间模型绘制方法、装置和计算机设备 |
| CN110674548A (zh) * | 2019-09-18 | 2020-01-10 | 贵州匠人筑造工程咨询有限公司 | 基于bim的装配式建筑设计方法及系统 |
| CN111882202A (zh) * | 2020-07-24 | 2020-11-03 | 武汉建工集团股份有限公司 | 一种基于bp神经网络的群体建筑同步建造风险管理系统 |
| CN112036722A (zh) * | 2020-08-21 | 2020-12-04 | 万翼科技有限公司 | 装配式建筑工程进度远程管理方法、电子设备及相关产品 |
-
2021
- 2021-03-08 CN CN202110252992.7A patent/CN113032868B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2016200381A1 (en) * | 2015-01-22 | 2016-08-11 | Csr Building Products Limited | Method of assembling a building component |
| CN107391862A (zh) * | 2017-07-28 | 2017-11-24 | 中建局集团建设发展有限公司 | 一种装配式混凝土结构三维协同设计方法 |
| CN108427818A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种基于bim装配式构件钢筋数据处理方法及装置 |
| CN108427785A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种基于bim的二维图自动标注的方法及装置 |
| CN109635449A (zh) * | 2018-12-14 | 2019-04-16 | 长沙远大住工智能科技有限公司 | 设计非结构构件的方法、装置、存储介质及计算机设备 |
| CN110110478A (zh) * | 2019-05-20 | 2019-08-09 | 广东三维家信息科技有限公司 | 房间模型绘制方法、装置和计算机设备 |
| CN110674548A (zh) * | 2019-09-18 | 2020-01-10 | 贵州匠人筑造工程咨询有限公司 | 基于bim的装配式建筑设计方法及系统 |
| CN111882202A (zh) * | 2020-07-24 | 2020-11-03 | 武汉建工集团股份有限公司 | 一种基于bp神经网络的群体建筑同步建造风险管理系统 |
| CN112036722A (zh) * | 2020-08-21 | 2020-12-04 | 万翼科技有限公司 | 装配式建筑工程进度远程管理方法、电子设备及相关产品 |
Non-Patent Citations (1)
| Title |
|---|
| 一种轻量化的多目标实时检测模型;邱博等;《北京航空航天大学学报》;20200930;第46卷(第09期);第1778-1779页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113032868A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113032868B (zh) | 预制构件管理方法、装置、电子设备及存储介质 | |
| Scherer et al. | BIMification: How to create and use BIM for retrofitting | |
| CN109344900B (zh) | 一种构件识别方法、装置、设备及计算机可读存储介质 | |
| Wang et al. | Performance evaluation of automatically generated BIM from laser scanner data for sustainability analyses | |
| CN115293751B (zh) | 一种轨道交通bim模型数据的处理方法、系统及设备 | |
| Porteiro et al. | Electricity demand forecasting in industrial and residential facilities using ensemble machine learning | |
| CN109902213B (zh) | 实时公交服务线路推荐方法、装置与电子设备 | |
| CN112379345A (zh) | 融合数值模式的雷达短临外推预报方法 | |
| CN105574675B (zh) | 基于计算规则库的建筑工程规划监督方法和系统 | |
| CN116051734B (zh) | 基于三维激光扫描及实景三维建模的工程量快速统计方法 | |
| CN114077764A (zh) | 基于三维gis与bim集成的临建模型建立方法及应用 | |
| CN112685820A (zh) | 基于bim和gis的数字化电站交付方法、介质和设备 | |
| CN110968712A (zh) | Bim族模型获取的方法、装置及系统 | |
| Porteiro et al. | Short term load forecasting of industrial electricity using machine learning | |
| Mishchenko et al. | BIM implementation of a full life cycle of building | |
| CN107730118A (zh) | 一种基站现场选址指引方法 | |
| CN115809795A (zh) | 一种基于数字化的生产班组的承载能力评估方法和装置 | |
| CN111026938A (zh) | 时空大数据整合分析方法、装置、设备及存储介质 | |
| CN115767601A (zh) | 一种基于多维数据的5gc网元自动化纳管方法及装置 | |
| CN114399159A (zh) | 一种基于全时空监测的工程现场进度识别方法 | |
| Roman et al. | From 3D surveying data to BIM to BEM: the InCUBE dataset | |
| CN110991022A (zh) | 一种嵌入式城市设计场景仿真系统及方法 | |
| CN117809297B (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
| CN116541944B (zh) | 一种基于变电站综合倾斜摄影建模模型的碳排放计算方法 | |
| CN116958476B (zh) | 一种基于bim数据的建筑物可视化建模方法及系统 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230705 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518051 Applicant after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant before: WANYI TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |