CN113326863B - 建筑结构健康状况检测方法、系统及修缮方案确定方法 - Google Patents

建筑结构健康状况检测方法、系统及修缮方案确定方法 Download PDF

Info

Publication number
CN113326863B
CN113326863B CN202110313765.0A CN202110313765A CN113326863B CN 113326863 B CN113326863 B CN 113326863B CN 202110313765 A CN202110313765 A CN 202110313765A CN 113326863 B CN113326863 B CN 113326863B
Authority
CN
China
Prior art keywords
damage
component
building structure
determining
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.)
Active
Application number
CN202110313765.0A
Other languages
English (en)
Other versions
CN113326863A (zh
Inventor
陈柳洁
赵烽尧
傅继阳
何运成
刘东滢
朱宇航
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202110313765.0A priority Critical patent/CN113326863B/zh
Publication of CN113326863A publication Critical patent/CN113326863A/zh
Application granted granted Critical
Publication of CN113326863B publication Critical patent/CN113326863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本发明公开了一种建筑结构健康状况检测方法、系统及修缮方案确定方法，通过本发明获取包括若干构件图像的建筑结构数据，对所述构件图像进行特征提取，得到所述构件的损伤特征信息，根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，而所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型，根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；通过专家系统自动对损伤特征信息进行深入的挖掘，进而对整体建筑结构的健康情况作出定量化评价，提高了效率和准确率，本发明作为一种建筑结构健康状况检测方法、系统及修缮方案确定方法，可广泛应用于建筑检测技术领域。

Description

建筑结构健康状况检测方法、系统及修缮方案确定方法
技术领域
本发明涉及建筑检测领域，尤其是一种建筑结构健康状况检测方法、系统及修缮方案确定方法。
背景技术
近几十年来，随着社会的发展和经济的进步，各种建筑的数量逐渐增加，建筑的结构也越来越丰富，随之促进建筑领域的相关技术取得非常发展，但另一方面亦伴随着建筑的健康问题。建筑一般暴露在室外环境，其容易受各种不确定性自然环境因素和人为因素影响，出现不同程度的损坏，容易出现安全问题，因此需要对建筑的健康状态进行评价，进而才能够指定针对性的方案对建筑进行修缮，以避免安全问题的出现。
而现有技术中，对建筑的健康状态的评价通常依靠人为收集建筑的资料，并通过人为分析资料所得到，效率低，且主观性强错误率高。
发明内容
有鉴于此，为了解决上述技术问题，本发明的目的是提供一种建筑结构健康状况检测方法、系统及修缮方案确定方法，以提高效率和准确率。
本发明采用的技术方案是：
建筑结构健康状况检测方法，包括以下步骤：
获取建筑结构数据；所述建筑结构数据包括若干构件图像，每一所述构件图像包括一个构件；
对所述构件图像进行特征提取，得到所述构件的损伤特征信息；
根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型；
根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；所述健康评分表征所述建筑结构的健康状况。
进一步，所述获取建筑结构数据的步骤，包括：
接收通过实时流传输协议传输的压缩后的所述建筑结构数据，并进行解压，得到所述建筑结构数据。
进一步，所述对所述构件图像进行特征提取的步骤之前，包括：
通过预设方式对所述构件图像按照不同的所述构件类型进行分类；所述预设方式包括K邻近算法、卷积神经网络、支持向量机、BP神经网络中的其中一种。
进一步，所述对所述构件图像进行特征提取的步骤之前，包括：
根据预设建筑结构重要程度，确定所述构件图像对应的所述建筑结构的重要级别；
当所述重要级别为第一级别，通过算数平均滤波对所述构件图像进行去噪处理，或者，当所述重要级别为第二级别，通过中值滤波对所述构件图像进行去噪处理。
进一步，所述对所述构件图像进行特征提取，得到所述构件的损伤特征信息，包括：
通过损伤数据库对所述构件图像进行特征提取，得到所述构件的损伤特征信息；所述损伤特征信息包括所述损伤特征，所述损伤特征包括损伤类型、损伤位置和损伤程度中的至少一种，所述损伤数据库通过监督学习对若干个构件的损伤图像数据训练集进行训练所得。
进一步，所述根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，包括：
通过专家系统建立所述损伤特征信息与损伤规则库中损伤信息的映射，确定各个所述构件的损伤信息集；所述损伤规则库包括预先收集的若干构件的所述损伤信息。
进一步，所述根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分，包括：
通过所述专家系统，根据所述损伤特征和预设标度范围确定对应的损伤的第一权重系数；若干所述第一权重系数构成第一权重矩阵；
根据所述第一权重矩阵和所述损伤信息集的叉乘确定损伤矩阵；所述损伤矩阵中的每一元素表征每一所述构件的损伤程度；
根据所述损伤矩阵和每一所述元素对应的所述构件类型，通过所述专家系统确定所述建筑结构的健康评分。
进一步，所述根据所述损伤矩阵和每一所述元素对应的所述构件类型，通过所述专家系统确定所述建筑结构的健康评分，包括：
通过所述专家系统，根据每一所述元素对应的所述构件类型以及所述预设标度范围，确定所述构件类型对所述建筑结构的第二权重系数，若干所述第二权重系数构成第二权重矩阵；
根据所述损伤矩阵和所述第二权重矩阵的叉乘确定所述建筑结构的健康评分。
本发明还提供一种修缮方案确定方法，包括：
根据所述建筑结构健康状况检测方法确定所述健康评分；
根据所述健康评分以及所述损伤程度确定修缮方案。
本发明还提供一种建筑结构健康状况检测系统，包括：
获取模块，用于获取建筑结构数据；所述建筑结构数据包括若干构件图像，每一所述构件图像包括一个构件；
特征提取模块，用于对所述构件图像进行特征提取，得到所述构件的损伤特征信息；
损伤信息集确定模块，用于根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型；
健康评分模块，用于根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；所述健康评分表征所述建筑结构的健康状况。
本发明的有益效果是：获取包括若干构件图像的建筑结构数据，对所述构件图像进行特征提取，得到所述构件的损伤特征信息，根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，而所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型，根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；通过专家系统自动对损伤特征信息进行深入的挖掘，进而对整体建筑结构的健康情况作出定量化评价，提高了效率和准确率。
附图说明
图1为本发明建筑结构健康状况检测方法的步骤流程示意图；
图2为本发明具体实施例获得整体损伤信息集的步骤流程示意图；
图3为本发明具体实施例确定健康评分的步骤流程示意图；
图4为本发明修缮方案确定方法的步骤流程示意图。
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。
本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
名词解释：
专家系统：专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题，即专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。需要说明的是，本申请中的专家系统为建筑领域的专家系统。
如图1所示，本实施例提供一种建筑结构健康状况检测方法，包括以下步骤S1-S4：
S1、获取建筑结构数据。
本申请实施例中，建筑结构数据包括若干构件图像，每一构件图像包括一个构件，建筑结构可以由若干个构件所构成；需要说明的是，每一构件图像包括一个构件，指的是包含一个构件的图像以及该构件的全部相关信息；可选地，每一构件图像可以形成每一构件的图像集。具体地，由于建筑的结构多样性和用途的多样性，不同结构和不同用途的建筑在使用寿命和构件重要性之间差异较大，建筑结构数据中还可以包含不同结构类型、构件类型和设计使用年限等信息，用于反映建筑结构的使用用途和结构的重要性。可选地，结构类型包括但不限于钢结构、混凝土结构、木结构、网壳结构、桁架结构、悬索结构、膜结构和复合结构等，构件类型包括但不限于梁、柱、承重墙、隔墙和楼板等。
可选地，步骤S1具体为：
接收通过实时流传输协议传输的压缩后的建筑结构数据，并进行解压，得到建筑结构数据。
具体地，通过人机接口接收的压缩后的建筑结构数据，需要说明的是，当建筑结构数据的数量多，文件较大时，可以根据用户选择不同的建筑结构设计使用年限、待检测数字图像数据格式和待检测数据图像文件大小和接收端硬件支持的解压方式对建筑结构数据进行的压缩，压缩文件包括但不限于*.zip，*.rar，*.7z，*.tar，*.gz等形式，例如本申请实施例中采用优选的，默认选择为普及度高、安全性好、综合性强的*.rar压缩方式，可以理解的是不造成限制。本申请实施例中，采用实时流传输协议RTSP(Real Time StreamingProtocol)对压缩后的建筑结构数据进行传输，以实现传输速度快，传输质量高的效果，接收端接收到压缩后的建筑结构数据并进行解压，即可得到建筑结构数据。
可选地，在步骤S2之前包括步骤S100：
S100、通过预设方式对构件图像按照不同的构件类型进行分类。
本申请实施例中，在对构件图像进行特征提取前，先通过预设方式对构件图像按照不同的构件类型进行分类，可选地分类后每一个构件图像均按照序号1,2,3...n进行标注。如上，构件类型包括但不限于梁、柱、承重墙、隔墙和楼板等。可选地，预设方式包括K邻近算法、卷积神经网络、支持向量机、BP神经网络中的其中一种。
需要说明的是，步骤S100也可以在步骤S1之前完成，即接收端接收的压缩后的建筑结构数据可以是事先已经分类好的数据。可选地，当完成自动分类后可以应对分类结果进行抽查，若分类效果不理想，可以通过调整预设方式进行再分类，或者通过人为干预的方式进行分类。
可选地，在步骤S2之前，还可以包括去噪处理步骤，需要说明的是步骤S100与去噪处理步骤不限定先后执行顺序，具体地，去噪处理步骤可以包括步骤S201-S202：
S201、根据预设建筑结构重要程度，确定构件图像对应的建筑结构的重要级别。
本申请实施例中，参照《建筑结构可靠性设计统一标准》定义的一级：很严重；对人的生命，经济，社会或环境影响很大；二级：严重，对人的生命，经济，社会或环境影响较大；三级：不严重；对人的生命，经济，社会或环境影响较小，具体地，将一级以及二级的重要级别作为第一级别，将三级的重要级别作为第二级别。
S202、当重要级别为第一级别，通过算数平均滤波对构件图像进行去噪处理，或者，当重要级别为第二级别，通过中值滤波对构件图像进行去噪处理。
本申请实施例中，若建筑结构的重要性程度不高并对整体检测评价的速度有一定要求，则应该使用中值滤波对图像数据集去噪；若建筑结构的重要性程度高，则应使用算数平均滤波对数字图像集去噪。具体地，当构件图像对应的建筑结构的重要级别为第一级别，通过算数平均滤波对构件图像进行去噪处理，或者当构件图像对应的建筑结构的重要级别为第二级别，通过中值滤波对构件图像进行去噪处理。
可以理解的是，所有构件图像也可以进行相同的类型的去噪处理，预设建筑结构重要程度的标准也可以不同，本申请不作具体限定。
S2、对构件图像进行特征提取，得到构件的损伤特征信息。
具体地，通过损伤数据库对构件图像进行特征提取，得到构件的损伤特征信息；损伤特征信息包括损伤特征，损伤特征包括损伤类型、损伤位置和损伤程度中的至少一种，可选地本申请实施例中损伤特征包含损伤类型、损伤位置和损伤程度。需要说明的是，本申请的专家系统包括损伤规则库和损伤数据库，损伤规则库包括若干个事先收集的各类型的构件的损伤图像数据，即预先收集的若干构件的损伤信息，例如可以包括通过互联网或者无人家收集的建筑结构外表面的损伤图像，以及该些损伤图像的标签，标签可以包括损伤图像中构件对应的结构类型、构件类型、损伤类型、损伤位置和损伤面积等。损伤数据库通过强监督学习对损伤规则库中的损伤图像数据训练集进行训练所得，从而能够通过语义分割技术对构件图像进行特征提取，分别提取单张构件图像中构件的损伤特征信息。可以理解的是，损伤规则库会不断补充经专家判断后的损伤图像及其标签，而损伤规则库的扩增也会使损伤数据库内的参数发生动态调整。可选地，当损伤数据库无法提取或者提取损伤特征信息的效果差时，可以通过主动干预的方法进行干预，并将无法检测的未进行定义的损伤补充至损伤规则库中，并对损伤数据库再次进行训练。
S3、根据损伤特征信息，通过专家系统确定各个构件的损伤信息集。
本申请实施例中，步骤S3具体地可以通过以下步骤实现：
通过专家系统建立损伤特征信息与损伤规则库中损伤信息的映射，确定各个构件的损伤信息集。
具体地，根据损伤规则库中所有的损伤信息，通过专家系统建立损伤特征信息与损伤规则库中损伤信息的映射，从而确定各个构件的损伤信息集Dn。可选地，损伤信息可以包括预先收集的各个构件的构件图像以及构件对应的结构类型、构件类型、损伤类型、损伤位置和损伤面积等；损伤信息集Dn可以包括输入的建筑结构数据中各个构件图像(即各个构件的所有图像)所对应的构件的结构类型、图像序号、构件类型以及损伤特征，损伤特征包括损伤类型、损伤位置和损伤程度中的至少一种，可选地本申请实施例中损伤特征包含损伤类型、损伤位置和损伤程度，需要说明的是损伤程度包括但不限于损伤面积；其中，结构类型、构件类型、损伤类型等信息为非数值信息，采用数值形式表示。需要说明的是，损伤类型包括但不限于材料生物腐蚀、材料物理腐蚀、材料化学腐蚀、冲击破坏、大变形、横向裂缝、竖向裂缝、网状裂缝和大面积剥脱等。其中，各个构件的损伤信息集Dn组成建筑结构的整体损伤信息集Damage＝{D1,D2,D3...Dn}，n为构件的数量。
S4、根据损伤特征和构件类型，通过专家系统确定建筑结构的健康评分；健康评分表征建筑结构的健康状况。
具体地，步骤S4包括以下步骤S41-S43：
S41、通过专家系统，根据损伤特征和预设标度范围确定对应的损伤对每一构件的第一权重系数。
本申请实施例中，专家系统中具有构件评价库和构件评价规则库，通过专家系统，例如根据构件评价规则库所建立的构件评价库将各个构件的损伤信息集所构成的建筑结构的整体损伤信息集Damage＝{D1,D2,D3...Dn}进行映射，得到第一权重矩阵V。其中，构件评价库和构件评价规则库通过模糊层次分析法中的损伤层和指标层建立，专家系统通过模糊层次分析法中的分析模型的预设标度范围对一个构件中所对应所有输入的构件图像的若干个对应损伤进行两两比较，可选地，比较过程可以根据损伤对应的损伤类型、损伤位置和损伤程度中的一种或多种维度进行比较，本申请实施例以损伤类型为例，实现结合损伤类型和预设标度范围确定损伤类型对应的损伤的第一权重系数，并通过数值的形式将第一权重置于构件评价库中。其中，若干第一权重系数构成上述第一权重矩阵V。
可选地，预设标度范围可以如表1所示。
表1
其中，元素指的是进行比较的损伤，i、j代表不同序号的损伤。
S42、根据第一权重矩阵和损伤信息集的叉乘确定损伤矩阵。
本申请实施例中，通过第一权重矩阵V与对应的每一损伤信息集的叉乘从而确定损伤矩阵X，具体地，通过第一权重矩阵V与整体损伤信息集Damage的乘积，得到损伤矩阵X，从而实现对各构件输入多张图像信息的整合。X＝V×Damage。需要说明的是，损伤矩阵X中的每一元素表征每一构件的损伤程度。
S43、根据损伤矩阵和每一元素对应的构件类型，通过专家系统确定建筑结构的健康评分。
可选地，步骤S43可以包括以下步骤S431-S432：
S431、通过专家系统，根据每一元素对应的构件类型以及预设标度范围，确定构件类型对建筑结构的第二权重系数，若干第二权重系数构成第二权重矩阵。
类似地，采用上述预设标度范围，通过专家系统结合每一元素对应的构件类型，确定各个构件类型对整体的建筑结构的第二权重系数，若干第二权重系数构成第二权重矩阵Y，反映出不同构件类型对同一建筑结构的健康状况影响。
S432、根据损伤矩阵和第二权重矩阵的叉乘确定建筑结构的健康评分。
具体地，通过损伤矩阵X与第二权重矩阵Y的叉乘确定建筑结构的健康评分Score，健康评分Score＝X×Y。其中，S代表整体的建筑结构的健康评分，X中的每一元素表征每一构件的损伤程度，相当于每一构件的损伤程度评分，X＝{x1,x2,x3...xn}，n为构件数量，其中xn为第n个构件的损伤程度评分并满足xn∈[0,1]。需要说明的是，进行健康评分的模糊层次分析法中的分析模型增加了目标层，目标层包括建筑结构的健康评分、指标层包括的各构件类型、损伤层包括各构件的损伤程度。
需要说明的，本申请实施例中建筑结构的健康评分的定量化评价数值范围在0到1之间：越接近1，则表示建筑结构损坏程度越大；越接近0，则表示建筑结构破坏程度越小。
可选地，在得出健康评分后，可以引入主动因素，包括但不限于通过专家评价建筑结构的得分，并根据该得分调整第一权重矩阵V和第二权重矩阵Y。
通过本申请的方法，可对大量待测建筑，根据其外观勘测的建筑结构数据，对其局部和整体的健康状况作出客观、可视化的量化评价；相比于传统的人力检测方法，本专利提出的检测方法具有高效性、准确性和良好的经济性。
如图2所示，为本申请具体实施例获得整体损伤信息集Damage的步骤示意图，具体地：输入构件图像→按构件类型将构件图像分类→得到已分类的图像集→利用通过强监督学习对损伤规则库中的数据进行训练所得的损伤数据库分别进行单张构件图像的语义分割→若损伤数据库没有相对应的损伤事实(损伤特征信息)，则将该损伤事实损伤特征信息)补充至损伤数据库和损伤规则库中，若损伤数据库有相对应的损伤事实(损伤特征信息)，则完成该单张构件图像的语义分割，若未完成所有单张构件图像的语义分割则继续进行语义分割，否则(通过专家系统中通过模糊层次分析法建立的构件评价库和构件评价规则库)分别建立单张图像对应的损伤特征信息与构件评价库中包含的构件整体特征的映射，若构件评价库没有相对应的损伤特征信息，则对构件评价库和构件评价规则库进行补充，否则得到整体损伤信息集Damage。
如图3所示，为本申请具体实施例健康评分的步骤示意图，具体地：根据整体损伤信息集Damage中各损伤类型(进行比较)进行重要性评价，并根据模糊层次分析法计算出构件的各损伤类型的第一权重矩阵V→计算出损伤矩阵X,X＝Damage×V→将构件类型(进行比较)进行重要性评价，并根据模糊层次分析法计算出构件的各将构件类型的第二权重矩阵Y→计算出建筑结构的健康评分Score＝X×Y。
如图4所示，本申请还提供一种修缮方案确定方法，包括步骤S501-S502：
S501、根据上述的建筑结构健康状况检测方法确定健康评分；
S502、根据健康评分以及损伤程度确定修缮方案。
可选地，可以通过专家系统根据健康评分确定是否需要进行修缮，若需要，通过专家系统根据各构件的损伤程度确定对应的修缮方法，从而形成可靠的修缮方案。
本申请实施例还提供一种建筑结构健康状况检测系统，包括：
获取模块，用于获取建筑结构数据；建筑结构数据包括若干构件图像，每一构件图像包括一个构件；
特征提取模块，用于对构件图像进行特征提取，得到构件的损伤特征信息；
损伤信息集确定模块，用于根据损伤特征信息，通过专家系统确定各个构件的损伤信息集，损伤信息集包括构件的损伤特征和构件对应的构件类型；
健康评分模块，用于根据损伤特征和构件类型，通过专家系统确定建筑结构的健康评分；健康评分表征建筑结构的健康状况。
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供了一种装置，该设备包括处理器以及存储器；
存储器用于存储程序；
处理器用于执行程序实现本发明实施例的建筑结构健康状况检测方法以及修缮方案确定方法。本发明实施例的装置可以实现建筑结构健康状况检测和的修缮方案确定功能。该装置可以为包括手机、平板电脑、个人数字助理(Personal Digital Assistant，简称PDA)、销售终端(Point of Sales，简称POS)、车载电脑等任意智能终端。
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有程序，该程序被处理器执行完成如前述发明实施例的建筑结构健康状况检测方法以及修缮方案确定方法。
本发明实施例还提供一种包括指令的计算机程序产品，当其在计算机上运行时，使得计算机执行前述发明实施例的建筑结构健康状况检测方法以及修缮方案确定方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (7)

1.建筑结构健康状况检测方法，其特征在于，包括以下步骤：
获取建筑结构数据；所述建筑结构数据包括若干构件图像，每一所述构件图像包括一个构件；
对所述构件图像进行特征提取，得到所述构件的损伤特征信息；
根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型；
根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；所述健康评分表征所述建筑结构的健康状况；
所述对所述构件图像进行特征提取，得到所述构件的损伤特征信息，包括：
通过损伤数据库对所述构件图像进行特征提取，得到所述构件的损伤特征信息；所述损伤特征信息包括所述损伤特征，所述损伤特征包括损伤类型、损伤位置和损伤程度中的至少一种，所述损伤数据库通过监督学习对若干个构件的损伤图像数据训练集进行训练所得；
所述根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，包括：
通过专家系统建立所述损伤特征信息与损伤规则库中损伤信息的映射，确定各个所述构件的损伤信息集；所述损伤规则库包括预先收集的若干构件的所述损伤信息；
所述根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分，包括：
通过所述专家系统，根据所述损伤特征和预设标度范围确定对应的损伤的第一权重系数；若干所述第一权重系数构成第一权重矩阵；
根据所述第一权重矩阵和所述损伤信息集的叉乘确定损伤矩阵；所述损伤矩阵中的每一元素表征每一所述构件的损伤程度；
根据所述损伤矩阵和每一所述元素对应的所述构件类型，通过所述专家系统确定所述建筑结构的健康评分。
2.根据权利要求1所述建筑结构健康状况检测方法，其特征在于：所述获取建筑结构数据的步骤，包括：
接收通过实时流传输协议传输的压缩后的所述建筑结构数据，并进行解压，得到所述建筑结构数据。
3.根据权利要求1所述建筑结构健康状况检测方法，其特征在于：所述对所述构件图像进行特征提取的步骤之前，包括：
通过预设方式对所述构件图像按照不同的所述构件类型进行分类；所述预设方式包括K邻近算法、卷积神经网络、支持向量机和BP神经网络中的其中一种。
4.根据权利要求1所述建筑结构健康状况检测方法，其特征在于：所述对所述构件图像进行特征提取的步骤之前，包括：
根据预设建筑结构重要程度，确定所述构件图像对应的所述建筑结构的重要级别；
当所述重要级别为第一级别，通过算数平均滤波对所述构件图像进行去噪处理，或者，当所述重要级别为第二级别，通过中值滤波对所述构件图像进行去噪处理。
5.根据权利要求1所述建筑结构健康状况检测方法，其特征在于：所述根据所述损伤矩阵和每一所述元素对应的所述构件类型，通过所述专家系统确定所述建筑结构的健康评分，包括：
通过所述专家系统，根据每一所述元素对应的所述构件类型以及所述预设标度范围，确定所述构件类型对所述建筑结构的第二权重系数，若干所述第二权重系数构成第二权重矩阵；
根据所述损伤矩阵和所述第二权重矩阵的叉乘确定所述建筑结构的健康评分。
6.一种修缮方案确定方法，其特征在于：包括：
根据如权利要求5所述建筑结构健康状况检测方法确定所述健康评分；
根据所述健康评分以及所述损伤程度确定修缮方案。
7.一种建筑结构健康状况检测系统，其特征在于，包括：
获取模块，用于获取建筑结构数据；所述建筑结构数据包括若干构件图像，每一所述构件图像包括一个构件；
特征提取模块，用于对所述构件图像进行特征提取，得到所述构件的损伤特征信息；
损伤信息集确定模块，用于根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，所述损伤信息集包括所述构件的损伤特征和所述构件对应的构件类型；
健康评分模块，用于根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分；所述健康评分表征所述建筑结构的健康状况；
所述对所述构件图像进行特征提取，得到所述构件的损伤特征信息，包括：
通过损伤数据库对所述构件图像进行特征提取，得到所述构件的损伤特征信息；所述损伤特征信息包括所述损伤特征，所述损伤特征包括损伤类型、损伤位置和损伤程度中的至少一种，所述损伤数据库通过监督学习对若干个构件的损伤图像数据训练集进行训练所得；
所述根据所述损伤特征信息，通过专家系统确定各个所述构件的损伤信息集，包括：
通过专家系统建立所述损伤特征信息与损伤规则库中损伤信息的映射，确定各个所述构件的损伤信息集；所述损伤规则库包括预先收集的若干构件的所述损伤信息；
所述根据所述损伤特征和所述构件类型，通过所述专家系统确定建筑结构的健康评分，包括：
通过所述专家系统，根据所述损伤特征和预设标度范围确定对应的损伤的第一权重系数；
若干所述第一权重系数构成第一权重矩阵；
根据所述第一权重矩阵和所述损伤信息集的叉乘确定损伤矩阵；所述损伤矩阵中的每一元素表征每一所述构件的损伤程度；
根据所述损伤矩阵和每一所述元素对应的所述构件类型，通过所述专家系统确定所述建筑结构的健康评分。
CN202110313765.0A 2021-03-24 2021-03-24 建筑结构健康状况检测方法、系统及修缮方案确定方法 Active CN113326863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110313765.0A CN113326863B (zh) 2021-03-24 2021-03-24 建筑结构健康状况检测方法、系统及修缮方案确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110313765.0A CN113326863B (zh) 2021-03-24 2021-03-24 建筑结构健康状况检测方法、系统及修缮方案确定方法

Publications (2)

Publication Number Publication Date
CN113326863A CN113326863A (zh) 2021-08-31
CN113326863B true CN113326863B (zh) 2023-08-11

Family

ID=77414635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110313765.0A Active CN113326863B (zh) 2021-03-24 2021-03-24 建筑结构健康状况检测方法、系统及修缮方案确定方法

Country Status (1)

Country Link
CN (1) CN113326863B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114596313B (zh) * 2022-05-09 2022-10-04 深圳大学 一种基于室内点云的建筑物构件损伤检测方法及相关设备
CN116109899B (zh) * 2022-12-14 2024-07-09 内蒙古建筑职业技术学院(内蒙古自治区建筑职工培训中心) 一种古建筑修缮方法、系统、计算机设备和存储介质
CN117113695B (zh) * 2023-08-25 2024-04-16 北京建筑大学 一种古代楼阁木柱整体残损评价方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835103A (zh) * 2015-05-11 2015-08-12 大连理工大学 基于神经网络和模糊综合评价的移动网络健康评价方法
CN108053121A (zh) * 2017-12-18 2018-05-18 广东广业开元科技有限公司 一种基于ahp的建筑消防安全大数据健康度评估方法
CN108776855A (zh) * 2018-04-17 2018-11-09 中国电力科学研究院有限公司 一种智能设备健康状态评价方法及系统
CN108985587A (zh) * 2018-06-28 2018-12-11 中南大学 一种软土盾构隧道结构健康状况评价方法
CN112308425A (zh) * 2020-11-02 2021-02-02 国网福建省电力有限公司 一种构建配变健康评价指标体系的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104835103A (zh) * 2015-05-11 2015-08-12 大连理工大学 基于神经网络和模糊综合评价的移动网络健康评价方法
CN108053121A (zh) * 2017-12-18 2018-05-18 广东广业开元科技有限公司 一种基于ahp的建筑消防安全大数据健康度评估方法
CN108776855A (zh) * 2018-04-17 2018-11-09 中国电力科学研究院有限公司 一种智能设备健康状态评价方法及系统
CN108985587A (zh) * 2018-06-28 2018-12-11 中南大学 一种软土盾构隧道结构健康状况评价方法
CN112308425A (zh) * 2020-11-02 2021-02-02 国网福建省电力有限公司 一种构建配变健康评价指标体系的方法

Also Published As

Publication number Publication date
CN113326863A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN113326863B (zh) 建筑结构健康状况检测方法、系统及修缮方案确定方法
CN108427708B (zh) 数据处理方法、装置、存储介质和电子装置
CN106570522B (zh) 物体识别模型的建立方法及物体识别方法
US20100318540A1 (en) Identification of sample data items for re-judging
CN108304853B (zh) 游戏相关度的获取方法、装置、存储介质和电子装置
CN109902823B (zh) 一种基于生成对抗网络的模型训练方法及设备
CN113268589B (zh) 关键用户识别方法、装置、可读存储介质和计算机设备
CN111695965A (zh) 基于图神经网络的产品筛选方法、系统及设备
CN112148994B (zh) 信息推送效果评估方法、装置、电子设备及存储介质
CN110807676A (zh) 长尾用户挖掘方法、装置、电子设备及存储介质
CN115618101A (zh) 基于负反馈的流媒体内容推荐方法、装置及电子设备
CN113496324A (zh) 喷涂质量预测方法、装置、电子设备以及存储介质
Wang et al. Distortion recognition for image quality assessment with convolutional neural network
CN109949175B (zh) 一种基于协同过滤和相似性度量的用户属性推断方法
CN115099310A (zh) 训练模型、对企业进行行业分类的方法和装置
CN111832150A (zh) 一种矿压预测方法、装置及电子设备
CN114595635A (zh) 火电机组主汽温度数据的特征选择方法、系统及设备
CN116910628B (zh) 创作者专业度画像评估方法及系统
CN109582953B (zh) 一种资讯的言据支撑评分方法、设备和存储介质
CN112541010A (zh) 一种基于逻辑回归的用户性别预测方法
CN114118864B (zh) 一种大型群众体育赛事综合评估系统
CN110852550A (zh) 基于煤矿隐患智能识别的事故预防方法、装置及存储介质
CN105279266B (zh) 一种基于移动互联网社交图片预测用户上下文信息的方法
CN114676324A (zh) 一种数据处理方法、装置及设备
CN113627542A (zh) 一种事件信息处理方法、服务器及存储介质

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