CN113108839B - 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 - Google Patents
基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 Download PDFInfo
- Publication number
- CN113108839B CN113108839B CN202110395177.6A CN202110395177A CN113108839B CN 113108839 B CN113108839 B CN 113108839B CN 202110395177 A CN202110395177 A CN 202110395177A CN 113108839 B CN113108839 B CN 113108839B
- Authority
- CN
- China
- Prior art keywords
- wall surface
- sub
- abnormal
- area
- humidity
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开提供的基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法。该基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法包括:统计将该建筑工程墙面数量,并进行区域划分;对各墙面各子区域基本参数进行检测;对各墙面各子区域的湿度进行检测;对各墙面各子区域粉刷对应的RGB值进行检测;对各墙面各子区域对应的粗糙度进行检测;对各墙面各子区域进行图像采集;对各墙面各子区域图像进行预处理;对各墙面各子区域的湿度、粉刷均匀度、粗糙度和损伤类型进行分析;通过该方法,有效的降低了对该建筑工程质量检测结果的误差,同时大大的提高对建筑工程的验收检测效率。
Description
技术领域
本发明属于质量验收检测技术领域,涉及到基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法。
背景技术
建筑工程质量验收是工程投入使用前的一个重要环节,而在验收过程中对工程进行质量检测是一个不可缺少的部分,对建筑工程的质量检测直接反应了该建筑工程各环节是否符合标准,因此对建筑工程质量验收检测是十分有必要的。
现有的建筑工程质量验收检测基本是通过人员取建筑场地进行勘察,并且现有的建筑工程质量验收检测还受到天气等外界外环境的影响,同时现有的建筑工程质量验收检测基本为抽样的方式进行检测,存在很大的误差,因此,现有的建筑工程质量验收检测方式还存在了一定的弊端,一方面,现有的检测方式检测结果存在很大的误差,一方面,现有的检测方式检测效率低,另一方面,现有的检测方式存在了很多局限性,无法有效的提高对建筑工程的验收检测效率。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出针对建筑工程墙面的基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,实现了建筑工程质量验收的智能检测;
本发明的目的可以通过以下技术方案实现:
本发明提供了基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,该方法包括以下步骤:
S1、区域划分:统计将该建筑工程对应的墙面数量,进而将该建筑工程对应的墙面按照预设顺序进行编号,依次标记为1,2,...i,...n,进而将各墙面按照平面网格式的划分方法划分为各子区域,进而将划分的子区域按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、墙面基本参数检测:所述墙面基本参数检测包括对该建筑各墙面各子区域的基本参数进行检测,其中各墙面子区域基本参数包括子区域长度和子区域宽度,进而构建各墙面各子区域参数集合Cw d(Cw d1,Cw d2,...Cw dj,...Cw dm),Cw dj表示该建筑第d个墙面第j个子区域对应的第w个基本参数,w表示各墙面子区域基本参数,w=a,b,a和b分别表示子区域长度和子区域宽度;
S3、墙面湿度检测:所述墙面湿度检测包括若干湿度传感器,其分别安装在各墙面各子区域内,其分别用于对各墙面各子区域对应的湿度进行检测,进而获取各采集时间段各墙面各子区域对应的湿度,并构建各墙面各子区域湿度集合Hd t(Hd t1,Hd t2,...Hd tj,...Hd tm),Hd tj表示该建筑第t个采集时间段第d个墙面第j个子区域对应的湿度,t表示采集时间段,t=1,2,...u,...v;
S4、墙面粉刷均匀度检测:所述墙面粉刷均匀度检测通过利用RGB激光测量仪对各墙面各子区域粉刷颜色对应的RGB值进行检测,进而获取各墙面各子区域粉刷颜色对应的RGB值,根据各墙面各子区域粉刷颜色对应的RGB值进而构建各墙面各子区域粉刷颜色RGB值集合Yd(Yd1,Yd2,...Ydj,...Ydm),Ydj表示第d个墙面第j个子区域粉刷颜色对应的RGB值,d表示墙面编号,d=1,2,...i,...n;
S5、墙面粗糙度检测:所述墙面粗糙度检测通过利用粗糙度检测仪对各墙面各子区域对应的粗糙度进行检测,进而获取各墙面各子区域对应的粗糙度,根据各墙面各子区域对应的粗糙度,进而构建各墙面各子区域粗糙度集合Dd(Dd1,Dd2,...Ddj,...Ddm),Ddj表示第d个墙面第j个子区域对应的粗糙度;
S6、墙面图像采集:所述墙面图像采集通过利用摄像头对各墙面各子区域进行图像采集,进而获取各墙面各子区域对应的图像,进而将采集的各墙面对应的各子区域对应的图像进行降噪和滤波,进而获取降噪和滤波后的各墙面各子区域对应的图像并构建各墙面各子区域图像集合T(T1,T2,...Ti,...Tn),Tdj表示第d个墙面第j个子区域对应的图像;
S7、墙面图像预处理:所述墙面图像预处理用于对各墙面各子区域对应的图像进行预处理,进而根据各墙面各子区域图像集合,进而获取各墙面各子区域对应的图像,将各墙面对应的各子区域对应的图像分别与各墙面各子区域对应的标准图像进行匹配筛选,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像一致,则将该图像进行过滤,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像不一致,则将该墙面该子区域对应的图像记为异常图像,将异常图像所在的子区域记为异常子区域,将异常子区域所在的墙面记为异常墙面,统计各异常墙面对应的数量和各异常墙面对应的异常子区域的数量,将异常墙面按照预设顺序进行编号,依次标记为1,2,...x,...y,将各异常墙面对应的异常子区域按照预设顺序进行编号,依次标记为1,2,...k,...h,进而提取各异常墙面对应的各异常子区域图像,进而提取各异常墙面各异常子区域对应的图像特征,将各异常墙面各异常子区域对应的图像特征分别与各墙面损伤类型进行匹配筛选,进而将墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...f,...e,进而获取各异常子区域对应的墙面损伤类型,将各异常墙面各异常子区域对应的墙面损伤类型进行匹配筛选,进而获取各异常墙面各异常子区域对应墙面损伤类型的数量;
S8、墙面湿度分析:所述墙面湿度分析用于对各墙面各子区域对应的湿度进行分析,根据各墙面各子区域湿度集合,进而获取各采集时间段各墙面各子区域对应的湿度,将各采集时间段各墙面各子区域对应的湿度进行对比筛选,进而获取各墙面各子区域对应的最大湿度,其中,各墙面各子区域对应的最大湿度的计算公式为Hd rmax=max{Hr d1,Hr d2,...Hr du,...Hr dv},Hd rmax表示第d个墙面第r个子区域对应的湿度最大值,Hr du表示第u个采集时间段第d个墙面第r个子区域对应的湿度,r表示子区域编号,r=1,2,...j,...m,将各墙面各子区域对应的最大湿度与当前季节各墙面各子区域对应的标准湿度进行对比,进而统计各墙面各子区域湿度质量影响系数,根据统计的各子区域湿度质量影响系数,进而统计各墙面湿度综合质量影响系数,其中,各墙面湿度综合质量影响系数计算公式为表示第d个墙面对应的湿度综合质量影响系数,m表示各墙面对应的子区域数量;
S9、墙面粉刷均匀度分析:所述墙面粉刷均匀度分析用于对各墙面对应各子区域粉刷的均匀度进行分析,进而根据各墙面各子区域粉刷颜色RGB值集合,进而获取获取各墙面各子区域粉刷颜色对应的RGB值,进而将各墙面各相邻子区域粉刷颜色对应的RGB值进行相互对比,进而获取各墙面各相邻子区域粉刷颜色对应的RGB值的差值,将各墙面各相邻子区域粉刷颜色对应的RGB值的差值与该墙面粉刷颜色RGB值对应的标准差值进行对比,进而统计各墙面粉刷均匀度质量影响系数;
S10、墙面粗糙度分析:所述墙面粗糙度分析用于对各墙面对应的各子区域的粗糙度进行分析,根据各墙面各子区域粗糙度集合,进而获取各墙面各子区域对应的粗糙度,将各墙面各子区域对应的粗糙度分别与各墙面各子区域对应的标准粗糙度进行对比,进而统计各墙面各子区域粗糙度质量影响系数,根据统计的各墙面各子区域粗糙度质量影响系数进而统计各墙面粗糙度质量影响系数;
S11、墙面损伤分析:根据各异常墙面各异常子区域对应墙面损伤类型的数量,进而将各异常墙面各异常子区域包含的墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...q,...z,其中,z≤e,进而从数据库中调取各墙面损伤类型对应的损伤系数,并将墙面损伤类型对应的损伤系数记为λ,同时提取各异常子区域墙面损伤区域对应的轮廓,进而获取各异常子区域墙面损伤区域对应的面积,将各异常子区域墙面损伤区域对应的面积分别与各异常子区域墙面对应的面积进行对比,进而统计各异常墙面各异常子区域墙面损伤质量影响系数,根据统计的各异常墙面各异常子区域墙面损伤质量影响系数进而统计各异常墙面综合损伤质量影响系数;
S12、建筑工程质量综合分析:据统计的各墙面综合环境质量影响系数、各墙面粉刷均匀度综合质量影响系数、各墙面粗糙度质量影响系数和各异常墙面综合损伤质量影响系数进而统计该建筑工程综合质量影响系数。
进一步地,所述各墙面各相邻子区域粉刷颜色对应的RGB值的差值的计算公式为Pr,r-1 d表示第d个墙面第r个子区域与第r-1个子区域粉刷颜色对应的RGB值的差值,Rr d,Gr d,Br d分别表示第d个墙面第r个子区域粉刷颜色对应的R值、G值、B值,Rr-1 d,Gr-1 d,Br-1 d分别表示第d个墙面第r-1个子区域粉刷颜色对应的R值、G值、B值,WR,WG,WB分别表示R值、G值、B值对应的加权系数。
进一步地,所述各墙面各子区域粗糙度质量影响系数计算公式为βr d表示第d个墙面第r个子区域对应的粗糙度质量影响系数,Dr d表示第d个墙面第r个子区域对应的粗糙度,Dr标准 d表示第d个墙面第r个子区域对应的标准粗糙度。
进一步地,所述各异常墙面各异常子区域墙面损伤质量影响系数计算公式为φr′ d′表示第d′个异常墙面第r′个异常子区域对应的墙面损伤质量影响系数,λr′ d′p表示第d′个异常墙面第r′个异常子区域第p个墙面损伤类型对应的损伤系数,p表示各异常子区域墙面损伤类型编号,p=1,2,...q,...z,Fr′ d′表示第d′个异常墙面第r′个异常子区域墙面损伤区域对应的面积,ar′ d′表示第d′个异常墙面第r′个异常子区域对应的长度,br′ d′表示第d′个异常墙面第r′个异常子区域对应的宽度,r′表示各异常墙面异常子区域对应的编号,r′=1,2,...k,...h,d′表示各异常墙面编号,d′=1,2,...x,...y。
本发明的有益效果:
(1)本发明提供的基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,通过对该建筑工程墙面湿度、墙面粗糙度、墙面粉刷均匀度和墙面损伤类型这四个方面进行全面的检测和细致的分析,进而有效的解决了现有的检测方式存在很多局限性的问题,有效的降低了该建筑工程质量检测结果的误差,进而大大的提高了对该建筑工程质量检测结果的准确性,同时大大的提高对建筑工程的验收检测效率。
(2)本发明在对该建筑工程墙面粗糙度进行检测时,通过利用粗糙度检测仪对该建筑工程各墙面进行粗糙度检测,有效的提高了对该建筑工程各墙面的粗糙度的检测效率和检测结果的可靠性。
(3)本发明在对该建筑工程各墙面粉刷的均匀度进行检测时,通过对各墙面粉刷的颜色进行分析,进而细致的分析了各墙面对应粉刷的均匀度,同时提高了各墙面粉刷差异对应的的明显度,便于工作人员理解和分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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为本发明方法实施步骤流程图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
请参阅图1所示,基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,该方法包括以下步骤:
S1、区域划分:统计将该建筑工程对应的墙面数量,进而将该建筑工程对应的墙面按照预设顺序进行编号,依次标记为1,2,...i,...n,进而将各墙面按照平面网格式的划分方法划分为各子区域,进而将划分的子区域按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、墙面基本参数检测:所述墙面基本参数检测包括对该建筑各墙面各子区域的基本参数进行检测,其中各墙面子区域基本参数包括子区域长度和子区域宽度,进而构建各墙面各子区域参数集合Cw d(Cw d1,Cw d2,...Cw dj,...Cw dm),Cw dj表示该建筑第d个墙面第j个子区域对应的第w个基本参数,w表示各墙面子区域基本参数,w=a,b,a和b分别表示子区域长度和子区域宽度;
本发明实施例通过对该建筑各墙面各子区域的基本参数进行检测,进而为后续对各墙面各子区域的分析提供了数据基础。
S3、墙面湿度检测:所述墙面湿度检测包括若干湿度传感器,其分别安装在各墙面各子区域内,其分别用于对各墙面各子区域对应的湿度进行检测,进而获取各采集时间段各墙面各子区域对应的湿度,并构建各墙面各子区域湿度集合Hd t(Hd t1,Hd t2,...Hd tj,...Hd tm),Hd tj表示该建筑第t个采集时间段第d个墙面第j个子区域对应的湿度,t表示采集时间段,t=1,2,...u,...v;
本发明在对各墙面各子区域进行检测,有效的获取了各采集时间段各墙面各子区域对应的湿度,进而为后续对各墙面湿度分析提供了铺垫。
S4、墙面粉刷均匀度检测:所述墙面粉刷均匀度检测通过利用RGB激光测量仪对各墙面各子区域粉刷颜色对应的RGB值进行检测,进而获取各墙面各子区域粉刷颜色对应的RGB值,根据各墙面各子区域粉刷颜色对应的RGB值进而构建各墙面各子区域粉刷颜色RGB值集合Yd(Yd1,Yd2,...Ydj,...Ydm),Ydj表示第d个墙面第j个子区域粉刷颜色对应的RGB值,d表示墙面编号,d=1,2,...i,...n;
本发明实施例在对该建筑工程各墙面各子区域粉刷的均匀度进行检测时,通过对各墙面粉刷的颜色进行分析,进而细致的分析了各墙面对应粉刷的均匀度,同时提高了各墙面粉刷差异对应的的明显度,便于工作人员理解和分析。
S5、墙面粗糙度检测:所述墙面粗糙度检测通过利用粗糙度检测仪对各墙面各子区域对应的粗糙度进行检测,进而获取各墙面各子区域对应的粗糙度,根据各墙面各子区域对应的粗糙度,进而构建各墙面各子区域粗糙度集合Dd(Dd1,Dd2,...Ddj,...Ddm),Ddj表示第d个墙面第j个子区域对应的粗糙度;
本发明实施例在对该建筑工程各墙面各子区域粗糙度进行检测时,通过利用粗糙度检测仪对该建筑工程各墙面进行粗糙度检测,有效的提高了对该建筑工程各墙面的粗糙度的检测效率和检测结果的可靠性。
S6、墙面图像采集:所述墙面图像采集通过利用摄像头对各墙面各子区域进行图像采集,进而获取各墙面各子区域对应的图像,进而将采集的各墙面对应的各子区域对应的图像进行降噪和滤波,进而获取降噪和滤波后的各墙面各子区域对应的图像并构建各墙面各子区域图像集合T(T1,T2,...Ti,...Tn),Tdj表示第d个墙面第j个子区域对应的图像;
本发明实施例通过对各墙面各子区域进行图像采集,为后续对各墙面各子区域损伤类型的检测提供了基础。
S7、墙面图像预处理:所述墙面图像预处理用于对各墙面各子区域对应的图像进行预处理,进而根据各墙面各子区域图像集合,进而获取各墙面各子区域对应的图像,将各墙面对应的各子区域对应的图像分别与各墙面各子区域对应的标准图像进行匹配筛选,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像一致,则将该图像进行过滤,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像不一致,则将该墙面该子区域对应的图像记为异常图像,将异常图像所在的子区域记为异常子区域,将异常子区域所在的墙面记为异常墙面,统计各异常墙面对应的数量和各异常墙面对应的异常子区域的数量,将异常墙面按照预设顺序进行编号,依次标记为1,2,...x,...y,将各异常墙面对应的异常子区域按照预设顺序进行编号,依次标记为1,2,...k,...h,进而提取各异常墙面对应的各异常子区域图像,进而提取各异常墙面各异常子区域对应的图像特征,将各异常墙面各异常子区域对应的图像特征分别与各墙面损伤类型进行匹配筛选,进而将墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...f,...e,进而获取各异常子区域对应的墙面损伤类型,将各异常墙面各异常子区域对应的墙面损伤类型进行匹配筛选,进而获取各异常墙面各异常子区域对应墙面损伤类型的数量;
S8、墙面湿度分析:所述墙面湿度分析用于对各墙面各子区域对应的湿度进行分析,根据各墙面各子区域湿度集合,进而获取各采集时间段各墙面各子区域对应的湿度,将各采集时间段各墙面各子区域对应的湿度进行对比筛选,进而获取各墙面各子区域对应的最大湿度,其中,各墙面各子区域对应的最大湿度的计算公式为Hd rmax=max{Hr d1,Hr d2,...Hr du,...Hr dv},Hd rmax表示第d个墙面第r个子区域对应的湿度最大值,Hr du表示第u个采集时间段第d个墙面第r个子区域对应的湿度,r表示子区域编号,r=1,2,...j,...m,将各墙面各子区域对应的最大湿度与当前季节各墙面各子区域对应的标准湿度进行对比,进而统计各墙面各子区域湿度质量影响系数,其中,各墙面各子区域湿度质量影响系数计算公式为表示第d个墙面第r个子区域对应的湿度质量影响系数,Hd r标准表示当前季节第d个墙面第r个子区域对应的标准湿度,根据统计的各子区域湿度质量影响系数,进而统计各墙面湿度综合质量影响系数,其中,各墙面湿度综合质量影响系数计算公式为表示第d个墙面对应的湿度综合质量影响系数,m表示各墙面对应的子区域数量;
S9、墙面粉刷均匀度分析:所述墙面粉刷均匀度分析用于对各墙面对应各子区域粉刷的均匀度进行分析,进而根据各墙面各子区域粉刷颜色RGB值集合,进而获取获取各墙面各子区域粉刷颜色对应的RGB值,进而将各墙面各相邻子区域粉刷颜色对应的RGB值进行相互对比,进而获取各墙面各相邻子区域粉刷颜色对应的RGB值的差值,其中,各墙面各相邻子区域粉刷颜色对应的RGB值的差值的计算公式为Pr,r-1 d表示第d个墙面第r个子区域与第r-1个子区域粉刷颜色对应的RGB值的差值,Rr d,Gr d,Br d分别表示第d个墙面第r个子区域粉刷颜色对应的R值、G值、B值,Rr-1 d,Gr-1 d,Br-1 d分别表示第d个墙面第r-1个子区域粉刷颜色对应的R值、G值、B值,WR,WG,WB分别表示R值、G值、B值对应的加权系数,将各墙面各相邻子区域粉刷颜色对应的RGB值的差值与该墙面粉刷颜色RGB值对应的标准差值进行对比,进而统计各墙面粉刷均匀度质量影响系数,其中各墙面粉刷均匀度质量影响系数计算公式为αd表示第d个墙面对应的粉刷均匀度质量影响系数,P标准表示该墙面粉刷颜色RGB值对应的标准差值;
S10、墙面粗糙度分析:所述墙面粗糙度分析用于对各墙面对应的各子区域的粗糙度进行分析,根据各墙面各子区域粗糙度集合,进而获取各墙面各子区域对应的粗糙度,将各墙面各子区域对应的粗糙度分别与各墙面各子区域对应的标准粗糙度进行对比,进而统计各墙面各子区域粗糙度质量影响系数,其中,各墙面各子区域粗糙度质量影响系数计算公式为βr d表示第d个墙面第r个子区域对应的粗糙度质量影响系数,Dr d表示第d个墙面第r个子区域对应的粗糙度,Dr标准 d表示第d个墙面第r个子区域对应的标准粗糙度,根据统计的各墙面各子区域粗糙度质量影响系数进而统计各墙面粗糙度质量影响系数,其中,各墙面粗糙度质量影响系数计算公式为βd′表示第d个墙面对应的粗糙度质量影响系数;
S11、墙面损伤分析:根据各异常墙面各异常子区域对应墙面损伤类型的数量,进而将各异常墙面各异常子区域包含的墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...q,...z,其中,z≤e,进而从数据库中调取各墙面损伤类型对应的损伤系数,并将墙面损伤类型对应的损伤系数记为λ,同时提取各异常子区域墙面损伤区域对应的轮廓,进而获取各异常子区域墙面损伤区域对应的面积,将各异常子区域墙面损伤区域对应的面积分别与各异常子区域墙面对应的面积进行对比,进而统计各异常墙面各异常子区域墙面损伤质量影响系数,其中,各异常墙面各异常子区域墙面损伤质量影响系数计算公式为φr′ d′表示第d′个异常墙面第r′个异常子区域对应的墙面损伤质量影响系数,λr′ d′p表示第d′个异常墙面第r′个异常子区域第p个墙面损伤类型对应的损伤系数,p表示各异常子区域墙面损伤类型编号,p=1,2,...q,...z,Fr′ d′表示第d′个异常墙面第r′个异常子区域墙面损伤区域对应的面积,ar′ d′表示第d′个异常墙面第r′个异常子区域对应的长度,br′ d′表示第d′个异常墙面第r′个异常子区域对应的宽度,r′表示各异常墙面异常子区域对应的编号,r′=1,2,...k,...h,d′表示各异常墙面编号,d′=1,2,...x,...y,根据统计的各异常墙面各异常子区域墙面损伤质量影响系数进而统计各异常墙面综合损伤质量影响系数,其中,各异常墙面综合损伤质量影响系数计算公式为φ′d′表示第d′个异常墙面对应的综合损伤质量影响系数;
本发明实施例通过对该建筑工程墙面湿度、墙面粗糙度、墙面粉刷均匀度和墙面损伤类型这四个方面进行全面的检测和细致的分析,进而有效的解决了现有的检测方式存在很多局限性的问题,有效的降低了该建筑工程质量检测结果的误差,进而大大的提高了对该建筑工程质量检测结果的准确性,同时大大的提高对建筑工程的验收检测效率。
S12、建筑工程质量综合分析:据统计的各墙面综合环境质量影响系数、各墙面粉刷均匀度综合质量影响系数、各墙面粗糙度质量影响系数和各异常墙面综合损伤质量影响系数进而统计该建筑工程综合质量影响系数,其中,该建筑工程综合质量影响系数计算公式为Q表示该建筑工程对应的综合质量影响系数。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,其特征在于:该方法包括以下步骤:
S1、区域划分:统计将该建筑工程对应的墙面数量,进而将该建筑工程对应的墙面按照预设顺序进行编号,依次标记为1,2,...i,...n,进而将各墙面按照平面网格式的划分方法划分为各子区域,进而将划分的子区域按照预设顺序进行编号,依次标记为1,2,...j,...m;
S2、墙面基本参数检测:所述墙面基本参数检测包括对该建筑各墙面各子区域的基本参数进行检测,其中各墙面子区域基本参数包括子区域长度和子区域宽度,进而构建各墙面各子区域参数集合Cw d(Cw d1,Cw d2,...Cw dj,...Cw dm),Cw dj表示该建筑第d个墙面第j个子区域对应的第w个基本参数,w表示各墙面子区域基本参数,w=a,b,a和b分别表示子区域长度和子区域宽度;
S3、墙面湿度检测:所述墙面湿度检测包括若干湿度传感器,其分别安装在各墙面各子区域内,其分别用于对各墙面各子区域对应的湿度进行检测,进而获取各采集时间段各墙面各子区域对应的湿度,并构建各墙面各子区域湿度集合Hd t(Hd t1,Hd t2,...Hd tj,...Hd tm),Hd tj表示该建筑第t个采集时间段第d个墙面第j个子区域对应的湿度,t表示采集时间段,t=1,2,...u,...v;
S4、墙面粉刷均匀度检测:所述墙面粉刷均匀度检测通过利用RGB激光测量仪对各墙面各子区域粉刷颜色对应的RGB值进行检测,进而获取各墙面各子区域粉刷颜色对应的RGB值,根据各墙面各子区域粉刷颜色对应的RGB值进而构建各墙面各子区域粉刷颜色RGB值集合Yd(Yd1,Yd2,...Ydj,...Ydm),Ydj表示第d个墙面第j个子区域粉刷颜色对应的RGB值,d表示墙面编号,d=1,2,...i,...n;
S5、墙面粗糙度检测:所述墙面粗糙度检测通过利用粗糙度检测仪对各墙面各子区域对应的粗糙度进行检测,进而获取各墙面各子区域对应的粗糙度,根据各墙面各子区域对应的粗糙度,进而构建各墙面各子区域粗糙度集合Dd(Dd1,Dd2,...Ddj,...Ddm),Ddj表示第d个墙面第j个子区域对应的粗糙度;
S6、墙面图像采集:所述墙面图像采集通过利用摄像头对各墙面各子区域进行图像采集,进而获取各墙面各子区域对应的图像,进而将采集的各墙面对应的各子区域对应的图像进行降噪和滤波,进而获取降噪和滤波后的各墙面各子区域对应的图像并构建各墙面各子区域图像集合T(T1,T2,...Ti,...Tn),Tdj表示第d个墙面第j个子区域对应的图像;
S7、墙面图像预处理:所述墙面图像预处理用于对各墙面各子区域对应的图像进行预处理,进而根据各墙面各子区域图像集合,进而获取各墙面各子区域对应的图像,将各墙面对应的各子区域对应的图像分别与各墙面各子区域对应的标准图像进行匹配筛选,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像一致,则将该图像进行过滤,若某墙面某子区域对应的图像与该墙面该子区域对应的标准图像不一致,则将该墙面该子区域对应的图像记为异常图像,将异常图像所在的子区域记为异常子区域,将异常子区域所在的墙面记为异常墙面,统计各异常墙面对应的数量和各异常墙面对应的异常子区域的数量,将异常墙面按照预设顺序进行编号,依次标记为1,2,...x,...y,将各异常墙面对应的异常子区域按照预设顺序进行编号,依次标记为1,2,...k,...h,进而提取各异常墙面对应的各异常子区域图像,进而提取各异常墙面各异常子区域对应的图像特征,将各异常墙面各异常子区域对应的图像特征分别与各墙面损伤类型进行匹配筛选,进而将墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...f,...e,进而获取各异常子区域对应的墙面损伤类型,将各异常墙面各异常子区域对应的墙面损伤类型进行匹配筛选,进而获取各异常墙面各异常子区域对应墙面损伤类型的数量;
S8、墙面湿度分析:所述墙面湿度分析用于对各墙面各子区域对应的湿度进行分析,根据各墙面各子区域湿度集合,进而获取各采集时间段各墙面各子区域对应的湿度,将各采集时间段各墙面各子区域对应的湿度进行对比筛选,进而获取各墙面各子区域对应的最大湿度,其中,各墙面各子区域对应的最大湿度的计算公式为Hd rmax=max{Hr d1,Hr d2,...Hr du,...Hr dv},Hd rmax表示第d个墙面第r个子区域对应的湿度最大值,Hr du表示第u个采集时间段第d个墙面第r个子区域对应的湿度,r表示子区域编号,r=1,2,...j,...m,将各墙面各子区域对应的最大湿度与当前季节各墙面各子区域对应的标准湿度进行对比,进而统计各墙面各子区域湿度质量影响系数,根据统计的各子区域湿度质量影响系数,进而统计各墙面湿度综合质量影响系数,其中,各墙面湿度综合质量影响系数计算公式为 表示第d个墙面对应的湿度综合质量影响系数,m表示各墙面对应的子区域数量;
S9、墙面粉刷均匀度分析:所述墙面粉刷均匀度分析用于对各墙面对应各子区域粉刷的均匀度进行分析,进而根据各墙面各子区域粉刷颜色RGB值集合,进而获取各墙面各子区域粉刷颜色对应的RGB值,进而将各墙面各相邻子区域粉刷颜色对应的RGB值进行相互对比,进而获取各墙面各相邻子区域粉刷颜色对应的RGB值的差值,将各墙面各相邻子区域粉刷颜色对应的RGB值的差值与该墙面粉刷颜色RGB值对应的标准差值进行对比,进而统计各墙面粉刷均匀度质量影响系数;
S10、墙面粗糙度分析:所述墙面粗糙度分析用于对各墙面对应的各子区域的粗糙度进行分析,根据各墙面各子区域粗糙度集合,进而获取各墙面各子区域对应的粗糙度,将各墙面各子区域对应的粗糙度分别与各墙面各子区域对应的标准粗糙度进行对比,进而统计各墙面各子区域粗糙度质量影响系数,根据统计的各墙面各子区域粗糙度质量影响系数进而统计各墙面粗糙度质量影响系数;
S11、墙面损伤分析:根据各异常墙面各异常子区域对应墙面损伤类型的数量,进而将各异常墙面各异常子区域包含的墙面损伤类型按照预设顺序进行编号,依次标记为1,2,...q,...z,其中,z≤e,进而从数据库中调取各墙面损伤类型对应的损伤系数,并将墙面损伤类型对应的损伤系数记为λ,同时提取各异常子区域墙面损伤区域对应的轮廓,进而获取各异常子区域墙面损伤区域对应的面积,将各异常子区域墙面损伤区域对应的面积分别与各异常子区域墙面对应的面积进行对比,进而统计各异常墙面各异常子区域墙面损伤质量影响系数,根据统计的各异常墙面各异常子区域墙面损伤质量影响系数进而统计各异常墙面综合损伤质量影响系数;
S12、建筑工程质量综合分析:据统计的各墙面综合环境质量影响系数、各墙面粉刷均匀度综合质量影响系数、各墙面粗糙度质量影响系数和各异常墙面综合损伤质量影响系数进而统计该建筑工程综合质量影响系数。
7.根据权利要求1所述的基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法,其特征在于:所述各异常墙面各异常子区域墙面损伤质量影响系数计算公式为φr′ d′表示第d′个异常墙面第r′个异常子区域对应的墙面损伤质量影响系数,λr′ d′p表示第d′个异常墙面第r′个异常子区域第p个墙面损伤类型对应的损伤系数,p表示各异常子区域墙面损伤类型编号,p=1,2,...q,...z,Fr′ d′表示第d′个异常墙面第r′个异常子区域墙面损伤区域对应的面积,ar′ d′表示第d′个异常墙面第r′个异常子区域对应的长度,br′ d′表示第d′个异常墙面第r′个异常子区域对应的宽度,r′表示各异常墙面异常子区域对应的编号,r′=1,2,...k,...h,d′表示各异常墙面编号,d′=1,2,...x,...y。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395177.6A CN113108839B (zh) | 2021-04-13 | 2021-04-13 | 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110395177.6A CN113108839B (zh) | 2021-04-13 | 2021-04-13 | 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113108839A CN113108839A (zh) | 2021-07-13 |
CN113108839B true CN113108839B (zh) | 2022-12-09 |
Family
ID=76716228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110395177.6A Active CN113108839B (zh) | 2021-04-13 | 2021-04-13 | 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113108839B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115761014B (zh) * | 2022-11-11 | 2023-11-24 | 义乌市双江湖开发集团有限公司 | 一种基于数字孪生的古建筑智能监测分析预警系统 |
CN115578643B (zh) * | 2022-12-06 | 2023-02-17 | 东莞先知大数据有限公司 | 一种农田区域建筑检测方法、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150671A (ja) * | 2001-11-16 | 2003-05-23 | Itochu Corp | 工事検収システム及び工事検収方法 |
CN105399389A (zh) * | 2015-11-17 | 2016-03-16 | 上海隆振建筑工程股份有限公司 | 一种建筑内墙粉刷石膏及其工艺流程 |
CN109443428A (zh) * | 2018-10-25 | 2019-03-08 | 南京工大建设工程技术有限公司 | 一种外墙防水工程施工质量检测鉴定方法 |
CN111461148A (zh) * | 2019-01-18 | 2020-07-28 | 杜波 | 建筑物验收分析方法 |
CN111461149A (zh) * | 2019-01-18 | 2020-07-28 | 杜波 | 建筑物验收分析平台 |
CN111680733A (zh) * | 2020-06-01 | 2020-09-18 | 北京建工资源循环利用投资有限公司 | 组分检测、样本库建立方法、装置、平台、系统及介质 |
CN111896721A (zh) * | 2020-08-31 | 2020-11-06 | 杭州宣迅电子科技有限公司 | 一种基于大数据的市政道路工程质量智能验收检测管理系统 |
CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
CN112050759A (zh) * | 2020-09-05 | 2020-12-08 | 范玲珍 | 一种基于大数据分析的建筑工程质量验收智能检测管理系统 |
-
2021
- 2021-04-13 CN CN202110395177.6A patent/CN113108839B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003150671A (ja) * | 2001-11-16 | 2003-05-23 | Itochu Corp | 工事検収システム及び工事検収方法 |
CN105399389A (zh) * | 2015-11-17 | 2016-03-16 | 上海隆振建筑工程股份有限公司 | 一种建筑内墙粉刷石膏及其工艺流程 |
CN109443428A (zh) * | 2018-10-25 | 2019-03-08 | 南京工大建设工程技术有限公司 | 一种外墙防水工程施工质量检测鉴定方法 |
CN111461148A (zh) * | 2019-01-18 | 2020-07-28 | 杜波 | 建筑物验收分析方法 |
CN111461149A (zh) * | 2019-01-18 | 2020-07-28 | 杜波 | 建筑物验收分析平台 |
CN111680733A (zh) * | 2020-06-01 | 2020-09-18 | 北京建工资源循环利用投资有限公司 | 组分检测、样本库建立方法、装置、平台、系统及介质 |
CN111896721A (zh) * | 2020-08-31 | 2020-11-06 | 杭州宣迅电子科技有限公司 | 一种基于大数据的市政道路工程质量智能验收检测管理系统 |
CN112050759A (zh) * | 2020-09-05 | 2020-12-08 | 范玲珍 | 一种基于大数据分析的建筑工程质量验收智能检测管理系统 |
CN112016848A (zh) * | 2020-09-11 | 2020-12-01 | 范玲珍 | 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统 |
Non-Patent Citations (2)
Title |
---|
Nondestructive Evaluation Methods for Quality Acceptance of Installed Building Materials;James R. Clifton;《J Res Natl Bur Stand (1977)》;19821031;第407–438页 * |
清水混凝土外观质量评价方法的研究;卢杰;《工程建设与设计》;20170731(第14期);第15-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113108839A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113108839B (zh) | 基于传感器技术和图像分析的建筑工程质量验收智能检测分析方法 | |
CN107066831B (zh) | 一种区域综合环境评价方法、装置及系统 | |
CN108956505A (zh) | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 | |
CN113484054B (zh) | 一种智能家具新风系统运行故障智能诊断分析方法及云分析平台 | |
CN113008910A (zh) | 基于无线传感器技术的高层建筑玻璃幕墙安全监测方法及安全监测云平台 | |
CN102680481A (zh) | 棉纤维杂质的检测方法 | |
CN106840322A (zh) | 一种计量器具在线软校准的方法和实现该方法的装置 | |
CN115063034A (zh) | 一种基于人工智能的玻璃生产制造在线监测分析管理系统 | |
CN105769177A (zh) | 心电信号检定记录分析装置 | |
CN117152152B (zh) | 检测试剂盒的生产管理系统及方法 | |
CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
CN114264648A (zh) | 一种水质检测试纸识别方法和系统 | |
CN114417230B (zh) | 基于人工智能抗菌生态棉花纸纸张柔软度测试分析系统 | |
CN115236006B (zh) | 一种电子河长光谱检测数据的处理方法及系统 | |
CN110333506A (zh) | 一种提取索力测量雷达的拉索位置参数的方法 | |
CN111103245B (zh) | 一种基于光谱技术玉米霉变的快速检测方法 | |
CN114994069A (zh) | 基于高光谱的绝缘子污秽成分和含量的检测方法及系统 | |
CN111366573B (zh) | 基于libs光谱成分分析结果的评价方法 | |
Mallory et al. | The Control and Processing of Data from an Automated X-ray Powder Diffractometer | |
CN113537932A (zh) | 一种基于机器视觉的电力系统大型配电室日常智能巡检监测管理系统 | |
JP3322976B2 (ja) | 印刷物の汚損度判別装置 | |
CN114323105B (zh) | 一种光纤光栅光谱分析方法、系统、存储介质 | |
CN117291430B (zh) | 一种基于机器视觉的安全生产检测方法及装置 | |
TWI220158B (en) | A device and method for shipboard vibration and noise analysis | |
CN108519383B (zh) | 一种全波段生物显色实验的检测方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221122 Address after: No. 866, north section of Tianfu Avenue, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan 610000 Applicant after: CSCEC southwest Consulting Co.,Ltd. Address before: 230041 Building 1, jiruitaisheng international living Plaza, Baohe District, Hefei City, Anhui Province Applicant before: Hefei Xuanjia Intelligent Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |