CN113470008B - 一种智能监控沥青路面施工质量的方法及系统 - Google Patents
一种智能监控沥青路面施工质量的方法及系统 Download PDFInfo
- Publication number
- CN113470008B CN113470008B CN202110842597.4A CN202110842597A CN113470008B CN 113470008 B CN113470008 B CN 113470008B CN 202110842597 A CN202110842597 A CN 202110842597A CN 113470008 B CN113470008 B CN 113470008B
- Authority
- CN
- China
- Prior art keywords
- information
- image
- obtaining
- road surface
- partition
- 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
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Road Repair (AREA)
Abstract
本发明提供了一种智能监控沥青路面施工质量的方法,所述方法包括:获得第一工序信息;获得第一图像信息,第一图像信息包括第一工序路面施工信息;获得第一路面特征信息;获得预设沥青路面质量规范;获得匹配质量检测规范;获得第一特征图像;获得第一预设分区标准;根据第一预设分区标准对第一图像信息进行分区,获得第一图像分区信息;根据第一特征图像对第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;获得匹配规范要求阈值;判断第一对比结果是否满足匹配规范要求阈值;当不满足时,获得第一预警信息。解决了现有技术中监控系统的对公路质量评估标准统一,存在质量监控个体化程度较低的技术问题。
Description
技术领域
本发明涉及人工智能监控相关技术领域,尤其涉及一种智能监控沥青路面施工质量的方法及系统。
背景技术
为提高公路施工质量,提出了路面质量监控技术,路面质量信息化监控系统是利用物联网架构的传感技术、通用分组无线服务技术、长期演进技术等信息传输技术,将沥青生产质量控制子系统,沥青混合料拌和、运输、摊铺、碾压等子系统整合到路面质量信息化监控系统平台,实时采集施工过程数据信息,动态、真实、全过程地反映工程质量情况,并及时预警,以达到保证项目建设质量的目的。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中由于监控系统的对公路质量评估标准是统一的,但不同地理区域,因施工条件不同,质量标准亦有差别,存在质量监控个体化程度较低的技术问题。
发明内容
本申请实施例提供了一种智能监控沥青路面施工质量的方法及系统,解决了现有技术中由于监控系统的对公路质量评估标准是统一的,但不同地理区域,因施工条件不同,质量标准亦有差别,存在质量监控个体化程度较低的技术问题。达到了通过提取路面特征信息,针对性的设定相应的检测规范,进而对路面施工质量进行评估,得到个体化程度较高的评估结果的技术效果。
鉴于上述问题,本申请实施例提供了一种智能监控沥青路面施工质量的方法及系统。
第一方面,本申请实施例提供了一种智能监控沥青路面施工质量的方法,其中,所述方法应用于一质量检测装置,所述装置包括一图像采集器,所述方法包括:获得第一工序信息;通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;根据所述第一工序路面施工信息,获得第一路面特征信息;获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;根据所述匹配规范路面图像信息,获得第一特征图像;获得第一预设分区标准;根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;根据所述匹配质量检测规范,获得匹配规范要求阈值;判断所述第一对比结果是否满足所述匹配规范要求阈值;当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。
另一方面,本申请实施例提供了一种智能监控沥青路面施工质量的系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于获得第一工序信息;第二获得单元,所述第二获得单元用于通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;第三获得单元,所述第三获得单元用于根据所述第一工序路面施工信息,获得第一路面特征信息;第四获得单元,所述第四获得单元用于获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;第五获得单元,所述第五获得单元用于根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;第六获得单元,所述第六获得单元用于根据所述匹配规范路面图像信息,获得第一特征图像;第七获得单元,所述第七获得单元用于获得第一预设分区标准;第八获得单元,所述第八获得单元用于根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;第九获得单元,所述第九获得单元用于根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;第十获得单元,所述第十获得单元用于根据所述匹配质量检测规范,获得匹配规范要求阈值;第一判断单元,所述第一判断单元用于判断所述第一对比结果是否满足所述匹配规范要求阈值;第一生成单元,所述第一生成单元用于当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。
第三方面,本申请实施例提供了一种智能监控沥青路面施工质量的系统,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,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了获得第一工序信息;通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;根据所述第一工序路面施工信息,获得第一路面特征信息;获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;根据所述匹配规范路面图像信息,获得第一特征图像;获得第一预设分区标准;根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;根据所述匹配质量检测规范,获得匹配规范要求阈值;判断所述第一对比结果是否满足所述匹配规范要求阈值;当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告的技术方案,达到了通过提取路面特征信息,针对性的设定相应的检测规范,进而对路面施工质量进行评估,得到个体化程度较高的评估结果的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种智能监控沥青路面施工质量的方法流程示意图;
图2为本申请实施例一种智能监控沥青路面施工质量的系统结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第九获得单元19,第十获得单元20,第一判断单元21,第一生成单元22,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例提供了一种智能监控沥青路面施工质量的方法及系统,解决了现有技术中由于监控系统的对公路质量评估标准是统一的,但不同地理区域,因施工条件不同,质量标准亦有差别,存在质量监控个体化程度较低的技术问题。达到了通过提取路面特征信息,针对性的设定相应的检测规范,进而对路面施工质量进行评估,得到个体化程度较高的评估结果的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
为提高公路施工质量,提出了路面质量监控技术,路面质量信息化监控系统是利用物联网架构的传感技术、通用分组无线服务技术、长期演进技术等信息传输技术,将沥青生产质量控制子系统,沥青混合料拌和、运输、摊铺、碾压等子系统整合到路面质量信息化监控系统平台,实时采集施工过程数据信息,动态、真实、全过程地反映工程质量情况,并及时预警,以达到保证项目建设质量的目的,但现有技术中由于监控系统的对公路质量评估标准是统一的,但不同地理区域,因施工条件不同,质量标准亦有差别,存在质量监控个体化程度较低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种智能监控沥青路面施工质量的方法,其中,所述方法应用于一种质量检测装置,所述装置包括一种图像采集器,所述方法包括:获得第一工序信息;通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;根据所述第一工序路面施工信息,获得第一路面特征信息;获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;根据所述匹配规范路面图像信息,获得第一特征图像;获得第一预设分区标准;根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;根据所述匹配质量检测规范,获得匹配规范要求阈值;判断所述第一对比结果是否满足所述匹配规范要求阈值;当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种智能监控沥青路面施工质量的方法,其中,所述方法应用于一种质量检测装置,所述装置包括一种图像采集器,所述方法包括:
S100:获得第一工序信息;
具体而言,所述第一工序信息指的是施工路面的工程顺序以及各工序需要注意的影响施工质量的因素,举例如高速公路的施工顺序一般为生产沥青材料、拌合材料、混合料运输、摊铺、碾压五个步骤,进一步的,各工序具体的影响施工质量的因素举例如,生产:混合料级配、温度;运输:混合料到达现场的时间;摊铺:摊铺机的运行速度;碾压:压实度。基于施工路段,获取其工序信息,以及相应的影响该路段施工质量的因素信息,为后步针对性的设定质量规范以及质量评估提供了信息基础。
S200:通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;
S300:根据所述第一工序路面施工信息,获得第一路面特征信息;
具体而言,所述第一图像信息指的是通过所述图像采集装置采集的优选施工路段、运输路径、材料生产地的图像信息,所述图像采集装置可以选用为智能摄像头和卫星图像传输;所述第一工序路面施工信息指的是施工路段的图像信息;所述第一路面特征信息指的是基于所述第一工序路面施工信息提取图像内的路面特征信息,提取方式优选为利用卷积神经网络模型进行特征提取,卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络,是深度学习的代表算法之一。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类,卷积神经网络仿造生物的视知觉机制构建,可以进行监督学习和非监督学习,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征,尤其对于图像特征提取应用十分广泛,输入各历史质量较好路段的施工图像信息,以对应历史施工监控图像中的各路段特征图像为标识信息,训练得到可以针对不同路段质量要求提取不同的图像特征的智能化模型,达到了准确性和个体化程度较高的图像特征提取。
S400:获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;
具体而言,所述预设沥青路面质量规范指的是施工路段预定的应达到的质量标准,具体的分为所述工序信息、所述路面特征信息、所述规范路面图像信息。进一步的,所述工序信息指的是是施工计划中施工路段应执行的工程顺序及其注意事项信息;所述路面特征信息指的是施工计划中施工路段某些部分的特定质量标准信息;所述规范路面图像信息指的是施工计划中预设路面应达到的理想形貌信息,调用所述预设沥青路面质量规范信息,便于后步信息反馈处理。
S500:根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;
S600:根据所述匹配规范路面图像信息,获得第一特征图像;
具体而言,所述匹配质量检测规范指的是基于施工过程中的所述第一工序信息、所述第一路面特征信息对施工之前初步考察制定的所述预设沥青路面质量规范进行适配调整获得适用于施工路段的质量检测标准,具体的调整可举例若是在施工过程中发现施工路段为积水区域,则需要增加材料的填补,进而保证施工质量;所述匹配规范路面图像信息指的是包含于所述匹配质量检测规范中的适用于施工路段的路面图像信息,其通过根据所述第一工序信息、所述第一路面特征信息对所述规范路面图像信息进行调整,获得个体化程度较高的适用于施工路段路面的图像信息,进一步的,优选卷积神经网络模型对所述匹配规范路面图像信息进行特征提取,获得规范路面图像的特征信息,即为所述第一特征图像。
S700:获得第一预设分区标准;
S800:根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;
具体而言,所述第一预设分区标准指的是施工路段根据施工路段不同区域的施工标准进行分区,因为施工路段一般较大,而并非整个路段的施工标准都相同,所述根据不同的施工标准进行分区,便于进一步的施工质量评估监控。进一步的,基于各分区,将所述第一图像进行分类,并对应于各施工区域一一存储,即为所述第一图像分区信息,便于后步的信息反馈处理。
S900:根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;
具体而言,在将所述第一图像信息进行分区之后,将所述第一图像分区信息中各图像分区在所述第一特征图像中进行遍历对比,判断所述第一图像分区信息是否满足所述第一特征图像,若是满足,则进行后步的施工质量评估,若是不满足则需要继续对施工路段经质量进行改善,直到遍历比对所述第一图像分区信息满足所述第一特征图像,此为所述第一对比结果。通过分区进行比对,监控施工路段的施工质量,增强了施工质量监控的个体化程度,达到了提高整体施工质量的技术效果。
S1000:根据所述匹配质量检测规范,获得匹配规范要求阈值;
S1100:判断所述第一对比结果是否满足所述匹配规范要求阈值;
S1200:当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。
具体而言,所述匹配规范要求阈值指的是基于所述匹配质量检测规范制定的施工质量评估标准,具体的基准为所述第一工序信息中各工序的影响因素,优选例为,混合料级配:使用热料仓的投放质量、沥青投放质量、矿粉和添加剂的投放质量及油石比等信息在对应图像上表征、温度:使用沥青温度、集料温度和混合料出料温度等信息在对应图像上表征、混合料到达现场的时间、摊铺机的运行速度、压实度:使用压路机的压实遍数、压实轨迹、压实速度、混合料的压实温度等信息在对应图像上表征。进一步的,将所述第一对比结果和所述匹配规范要求阈值进行比较,若是所述第一对比结果满足所述匹配规范要求阈值,则说明施工质量合格,输出所述第一质量报告为合格;若是不满足则需要发出所述第一预警信息,输出所述第一质量报告为不合格,继续完善施工路段直至满足所述匹配规范要求阈值,进而保证了施工质量。通过对施工路段分区评估,先进行各区图像和各区的特征图像遍历比对,评估各区施工图像质量是否达到对应标准,若是达到,再将比对结果中的各区对应数据信息与各区施工数据基准比较,评估施工质量,达到了个体化程度较高的施工质量监控的技术效果。
进一步的,所述方法还包括步骤S1300,具体为:
S1310:根据所述第一对比结果,获得第一分区信息;
S1320:获得第一分区图像信息;
S1330:将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果;
S1340:根据所述第一分析结果,获得第一位置信息,所述第一位置信息为不符合所述第一特征图像信息的图像位置;
S1350:对所述第一位置进行标记,获得标记点;
S1360:获得标记点阈值;
S1370:根据所述标记点、所述第一图像信息,统计第一图像标记点数量;
S1380:当所述第一图像标记点数量超过所述标记点阈值时,获得第二预警信息。
具体而言,所述第一分区信息指的是基于第一对比结果得到的各分区中各图像与所述第一特征图像遍历比对的信息,进一步的,所述第一分区图像信息指的是基于所述第一分区信息提取出的不满足所述第一特征图像的各分区图像信息。更进一步的,所述第一分析结果信息是根据所述第一特征图像信息和所述第一分区图像信息结合通过所述图像分析模型智能化分析得到的结果,所述图像分析模型是以神经网络模型为基础建立,具有神经网络模型的特性,其中,人工神经网络是在现代神经科学的基础上提出和发展起来的,旨在反映人脑结构及功能的一种抽象数学模型,神经网络是一种运算模型,由大量的节点(或称神经元)之间相互连接构成,每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出则依照网络的连接方式,是对一种逻辑策略的表达,基于神经网络模型建立的所述图像分析模型能够输出准确的所述第一分析结果信息,从而具备了较强的分析计算能力,达到了准确而高效的技术效果。
更进一步的,基于所述第一分析结果,可以得到所述各区中所述第一图像信息不满足所述第一特征图像信息的具体的位置点,即为所述第一位置信息。更进一步,对所述第一位置信息进行标记,并获得所述标记点阀值,举例为,施工路段某分区,压路的孔隙数超过23个则有塌方的风险,则相应标记点的阀值为23,若是所述标记点的数目超过所述标记点阀值,则,发出所述第二预警信息,进而对施工路段进行修整。
通过神经网络模型,准确甄别不满足质量要求标记点,并依据相应的标记点阀值对不满足要求路段进行修整,保障各分区的施工质量进而保障整个施工路段的施工质量,达到了通过个体化程度较高的监控措施,提高施工质量的技术效果。
更进一步的,基于所述获得标记点阈值,步骤S1360还包括:
S1361:根据所述第一图像信息,获得第一图像采集范围;
S1362:根据所述第一图像采集范围,获得第一工序路面施工面积;
S1363:根据所述第一预设分区标准、所述第一工序路面施工面积,获得分区占比信息;
S1364:根据所述分区占比信息、所述匹配质量检测规范,获得所述标记点阈值。
具体而言,所述第一图像采集范围指的是能够所述图像采集装置可以采集图像的范围大小,可选用平方米进行表征;所述第一工序路面施工面积指的是施工路段的施工占地范围,包括在所述第一图像采集范围之内,可选用平方米进行表征;所述第一预设分区标准为常规所述第一预设分区标准,再结合所述第一工序路面施工面积,可以得到各分区的面积大小,可选用平方米进行表征;基于所述分区占据面积和所述匹配质量检测规范,获得所述标记点阀值,具体的距离为,该分区面积为20平方米,由于该区域地下积水较多,经核算需填混料1.6米深,则1.6米可设置所述标记点阀值,若是该分区深度不足的进行标记,通过结合所述分区占比信息和所述匹配质量检测规范针对不同分区的特征信息,制定不同所述标记点阀值,达到了个体化程度较高的技术效果。
进一步的,基于当所述第一路面特征信息包括多种路面特征信息时,所述方法还包括步骤S1400,具体为:
S1410:根据所述路面特征信息,获得路面位置信息,所述路面位置信息与所述路面特征信息相对应;
S1420:根据所述路面位置信息对所述第一图像信息进行路面划分,获得路面图像信息,所述路面图像信息包括多个图像信息,分别为第一路面图像、第二路面图像、直到第N路面图像,N为大于2的自然数;
S1430:分别根据所述第一路面图像、第二路面图像、直到第N路面图像,获得对应的路面特征信息,将获得的所有路面特征信息组成路面特征集合,所述路面特征集合包括第一特征、第二特征、直到第N特征;
S1440:依次根据所述路面特征集合中的特征、所述预设沥青路面质量规范,获得匹配质量检测规范集合,所述匹配质量检测规范集合,包括第一匹配规范、第二匹配规范、直到第N匹配规范;
S1450:分别对所述第一路面图像、第二路面图像、直到第N路面图像进行质量监控操作分析,获得分析结果。
具体而言,所述路面位置信息指的是基于所述路面特征信息相对应的特征获得对应的路面位置信息,优选用三维坐标的形式进行表征;所述路面图像信息指的是基于路面位置信息,即可选的依据三位坐标区间根据特征信息对路面进行划分得到的图像信息,分别为所述第一路面图像、所述第二路面图像、直到所述第N路面图像,N为大于2的自然数,N和该路段特征信息的总数量相对应,依据所述第一路面图像、所述第二路面图像、直到所述第N路面图像获得对应的所述第一特征、所述第二特征、直到所述第N特征,组成所述路面特征集合;进一步的,依据所述路面特征集合中的每个特征图像,结合所述预设沥青路面质量规范,获得对应的匹配质量检测规范,为所述第一匹配规范、所述第二匹配规范、直到所述第N匹配规范,组成所述匹配质量检测规范集合,更进一步的,将所述路面特征图像信息对应的所述第一路面图像、所述第二路面图像、直到所述第N路面图像与所述第一匹配规范、所述第二匹配规范、直到所述第N匹配规范一一进行比对,判断各路面图像是否满足对应的各匹配规范,若是不满足则需要对相应路面修整,直至满足对应的匹配规范再停止,即为所述分析结果。通过对包含多种路面特征信息的路面依据各特征占比区域,可选用三维坐标空间表征,分为多个单特征图像区域,并依据相应路面施工规范,得到对应的匹配规范,进而和各路面空间区域对应的实际施工图像进行比对,分析评估施工质量,达到了个体化监控施工质量的技术效果。
更进一步的,基于所述质量监控操作分析,步骤S1450还包括:
S1451:根据匹配规范,获得规范特征;
S1452:根据所述第一预设分区标准对路面图像进行分区,并根据所述规范特征对所述路面图像的各分区依次进行特征遍历对比,获得对比结果;
S1453:判断所述对比结果是否满足所述匹配规范中的阈值要求,获得判断结果;
S1455:根据所述判断结果,获得所述分析结果。
具体而言,所述规范特征指的是对应于所述匹配规范中提取得到的特征信息,具体为所述第一规范特征,第二规范特征直到所述第N规范特征;进一步的,将所述第一路面图像,第二路面图像,直到第N路面图像依据所述第一预设分区标准进行分区,并且根据所述第一路面图像各分区和所述第一规范特征进行遍历比对,所述第二路面图像各分区和所述第一规范特征进行遍历比对,直到所述第N路面图像各分区和所述第N规范特征进行比对时结束,得到比对结果;更进一步的,若是所述对比结果满足所述匹配规范中的阈值要求,则认为该路面施工质量合格,若是不满足,则需要根据相应特征的不满足,对相应路面进行修整,通过高度个体化的施工监控保障了施工质量。
进一步的,所述方法还包括步骤S1500,具体为:
S1510:通过所述图像采集器获得第二图像信息,所述第二图像信息与所述第一图像信息采集角度不同,所述第一图像信息包括沥青铺设路面上表面信息,所述第二角度图像信息包括沥青铺设路面侧厚度信息;
S1520:根据所述第一工序信息、所述预设沥青路面质量规范,获得第一厚度要求;
S1530:根据所述第一厚度要求、所述第二图像信息,获得厚度特征信息,所述厚度特征信息用于表示所述第一厚度要求在所述第二图像信息中的图像特征;
S1540:根据所述厚度特征信息,获得第二预设分区标准;
S1550:根据所述第二预设分区标准对所述第二图像信息进行分区,获得第二图像分区信息;
S1560:根据所述厚度特征信息对所述第二图像分区信息中各图像分区依次进行特征遍历对比,获得第二对比结果;
S1570:当所述第二对比结果不满足所述第一厚度要求时,获得第三预警信息。
具体而言,所述第二图像信息指的是施工路段垂直方向的图像信息,所述第一图像包括沥青铺设路面上表面信息,即水平方向图像信息;基于所述第一工序信息和所述预设沥青路面质量规范提取出对应路面的厚度要求,即为所述第一厚度要求,进一步的,结合所述第二图像特征信息,获得各图像中所述厚度特征信息,即欲达到的路段厚度。更进一步,所述第二预设分区标准指的是基于各图像中不同的厚度特征,对所述第二图像信息进行分区,获得所述第二图像分区信息,将所述厚度特征信息与所述第二图像分区信息一一进行比对,得到所述第二对比结果,若是某分区不满足对应的厚度要求,则发出所述第三预警信息,告知该区不满足厚度要求,需要进行修整。通过垂直方向上的图像采集,使得施工监控达到了全方位,并依据和所述第一图像相同的评估手段,对所述第二图像进行分区处理,进而逐个进行特征遍历,可以有效的排除施工质量不合格的位置并及时进行修整,达到了使用个体化程度较高的施工监控提高施工质量的技术效果。
进一步的,基于所述将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果,步骤1330还包括:
S1331:将所述第一特征图像作为第一输入信息;
S1332:将所述第一分区图像信息作为第二输入信息;
S1333:将所述第一输入信息、所述第二输入信息输入所述图像分析模型,所述图像分析模型为多组训练数据经过训练收敛获得,其中,所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息和标识第一分析结果的标识信息;
S1334:获得所述图像分析模型的输出信息,所述输出信息包括所述第一分析结果。
具体而言,所述图像分析模型为神经网络模型,所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。其中,它能根据训练数据进行不断的自我训练学习,所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息和标识第一分析结果的标识信息,所述图像分析模型不断地自我的修正,当所述图像分析模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。通过对所述图像分析模型进行数据训练,使得所述图像分析模型处理输入数据更加准确,进而使得输出的所述第一分析结果信息也更加准确,达到了准确获得数据信息,提高评估结果智能化的技术效果。
综上所述,本申请实施例所提供的一种智能监控沥青路面施工质量的方法及系统具有如下技术效果:
1、由于采用了获得第一工序信息;通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;根据所述第一工序路面施工信息,获得第一路面特征信息;获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;根据所述匹配规范路面图像信息,获得第一特征图像;获得第一预设分区标准;根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;根据所述匹配质量检测规范,获得匹配规范要求阈值;判断所述第一对比结果是否满足所述匹配规范要求阈值;当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告的技术方案,达到了通过提取路面特征信息,针对性的设定相应的检测规范,进而对路面施工质量进行评估,得到个体化程度较高的评估结果的技术效果。
2、通过神经网络模型,准确甄别不满足质量要求标记点,并依据相应的标记点阀值对不满足要求路段进行修整,保障各分区的施工质量进而保障整个施工路段的施工质量,达到了通过个体化程度较高的监控措施,提高施工质量的技术效果。
3、通过对包含多种路面特征信息的路面依据各特征占比区域,可选用三维坐标空间表征,分为多个单特征图像区域,并依据相应路面施工规范,得到对应的匹配规范,进而和各路面空间区域对应的实际施工图像进行比对,分析评估施工质量,达到了个体化监控施工质量的技术效果。
4、通过垂直方向上的图像采集,使得施工监控达到了全方位,并依据和所述第一图像相同的评估手段,对所述第二图像进行分区处理,进而逐个进行特征遍历,可以有效的排除施工质量不合格的位置并及时进行修整,达到了使用个体化程度较高的施工监控提高施工质量的技术效果。
实施例二
基于与前述实施例中一种智能监控沥青路面施工质量的方法相同的发明构思,如图2所示,本申请实施例提供了一种智能监控沥青路面施工质量的系统,其中,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一工序信息;
第二获得单元12,所述第二获得单元12用于通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;
第三获得单元13,所述第三获得单元13用于根据所述第一工序路面施工信息,获得第一路面特征信息;
第四获得单元14,所述第四获得单元14用于获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;
第五获得单元15,所述第五获得单元15用于根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;
第六获得单元16,所述第六获得单元16用于根据所述匹配规范路面图像信息,获得第一特征图像;
第七获得单元17,所述第七获得单元17用于获得第一预设分区标准;
第八获得单元18,所述第八获得单元18用于根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;
第九获得单元19,所述第九获得单元19用于根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;
第十获得单元20,所述第十获得单元20用于根据所述匹配质量检测规范,获得匹配规范要求阈值;
第一判断单元21,所述第一判断单元21用于判断所述第一对比结果是否满足所述匹配规范要求阈值;
第一生成单元22,所述第一生成单元22用于当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于根据所述第一对比结果,获得第一分区信息;
第十二获得单元,所述第十二获得单元用于获得第一分区图像信息;
第十三获得单元,所述第十三获得单元用于将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果;
第十四获得单元,所述第十四获得单元用于根据所述第一分析结果,获得第一位置信息,所述第一位置信息为不符合所述第一特征图像信息的图像位置;
第十五获得单元,所述第十五获得单元用于对所述第一位置进行标记,获得标记点;
第十六获得单元,所述第十六获得单元用于获得标记点阈值;
第一统计单元,所述第一统计单元用于根据所述标记点、所述第一图像信息,统计第一图像标记点数量;
第十七获得单元,所述第十七获得单元用于当所述第一图像标记点数量超过所述标记点阈值时,获得第二预警信息。
进一步的,所述系统还包括:
第十八获得单元,所述十八获得单元用于根据所述第一图像信息,获得第一图像采集范围;
第十九获得单元,所述第十九获得单元根据所述第一图像采集范围,获得第一工序路面施工面积;
第二十获得单元,所述第二十获得单元用于根据所述第一预设分区标准、所述第一工序路面施工面积,获得分区占比信息;
第二十一获得单元,所述第二十一获得单元用于根据所述分区占比信息、所述匹配质量检测规范,获得所述标记点阈值。
进一步的,所述系统还包括:
第二十二获得单元,所述第二十二获得单元用于根据所述路面特征信息,获得路面位置信息,所述路面位置信息与所述路面特征信息相对应;
第二十三获得单元,所述第二十三获得单元用于根据所述路面位置信息对所述第一图像信息进行路面划分,获得路面图像信息,所述路面图像信息包括多个图像信息,分别为第一路面图像、第二路面图像、直到第N路面图像,N为大于2的自然数;
第二十四获得单元,所述第二十四获得单元用于分别根据所述第一路面图像、第二路面图像、直到第N路面图像,获得对应的路面特征信息,将获得的所有路面特征信息组成路面特征集合,所述路面特征集合包括第一特征、第二特征、直到第N特征;
第二十五获得单元,所述第二十五获得单元用于依次根据所述路面特征集合中的特征、所述预设沥青路面质量规范,获得匹配质量检测规范集合,所述匹配质量检测规范集合,包括第一匹配规范、第二匹配规范、直到第N匹配规范;
第二十六获得单元,所述第二十六获得单元用于分别对所述第一路面图像、第二路面图像、直到第N路面图像进行质量监控操作分析,获得分析结果。
进一步的,所述系统还包括:
第二十七获得单元,所述第二十七获得单元用于根据匹配规范,获得规范特征;
第二十八获得单元,所述第二十八获得单元用于根据所述第一预设分区标准对路面图像进行分区,并根据所述规范特征对所述路面图像的各分区依次进行特征遍历对比,获得对比结果;
第二十九获得单元,所述第二十九获得单元用于判断所述对比结果是否满足所述匹配规范中的阈值要求,获得判断结果;
第三十获得单元,所述第三十获得的单元用于根据所述判断结果,获得所述分析结果。
进一步的,所述系统还包括:
第三十一获得单元,所述第三十一获得单元用于通过所述图像采集器获得第二图像信息,所述第二图像信息与所述第一图像信息采集角度不同,所述第一图像信息包括沥青铺设路面上表面信息,所述第二角度图像信息包括沥青铺设路面侧厚度信息;
第三十二获得单元,所述第三十二获得单元用于根据所述第一工序信息、所述预设沥青路面质量规范,获得第一厚度要求;
第三十三获得单元,所述第三十三获得单元用于根据所述第一厚度要求、所述第二图像信息,获得厚度特征信息,所述厚度特征信息用于表示所述第一厚度要求在所述第二图像信息中的图像特征;
第三十四获得单元,所述第三十四获得单元用于根据所述厚度特征信息,获得第二预设分区标准;
第三十五获得单元,所述第三十五获得单元用于根据所述第二预设分区标准对所述第二图像信息进行分区,获得第二图像分区信息;
第三十六获得单元,所述第三十六获得单元用于根据所述厚度特征信息对所述第二图像分区信息中各图像分区依次进行特征遍历对比,获得第二对比结果;
第三十七获得单元,所述第三十七获得单元用于当所述第二对比结果不满足所述第一厚度要求时,获得第三预警信息。
进一步的,所述系统还包括:
第一确定单元,所述第一确定单元用于将所述第一特征图像作为第一输入信息;
第二确定单元,所述第二确定单元用于将所述第一分区图像信息作为第二输入信息;
第一输入单元,所述第一输入单元用于将所述第一输入信息、所述第二输入信息输入所述图像分析模型,所述图像分析模型为多组训练数据经过训练收敛获得,其中,所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息和标识第一分析结果的标识信息;
第一输出单元,所述第一输出单元用于获得所述图像分析模型的输出信息,所述输出信息包括所述第一分析结果。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
基于与前述实施例中一种智能监控沥青路面施工质量的方法相同的发明构思,本申请实施例还提供了一种智能监控沥青路面施工质量的系统,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,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种智能监控沥青路面施工质量的方法,其中,所述方法应用于一种质量检测装置,所述装置包括一种图像采集器,所述方法包括:获得第一工序信息;通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;根据所述第一工序路面施工信息,获得第一路面特征信息;获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;根据所述匹配规范路面图像信息,获得第一特征图像;获得第一预设分区标准;根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;根据所述匹配质量检测规范,获得匹配规范要求阈值;判断所述第一对比结果是否满足所述匹配规范要求阈值;当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告。解决了现有技术中由于监控系统的对公路质量评估标准是统一的,但不同地理区域,因施工条件不同,质量标准亦有差别,存在质量监控个体化程度较低的技术问题。达到了通过提取路面特征信息,针对性的设定相应的检测规范,进而对路面施工质量进行评估,得到个体化程度较高的评估结果的技术效果。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、系统、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(系统)、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系统。
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系统的制造品,该指令系统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。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种智能监控沥青路面施工质量的方法,其中,所述方法应用于一种质量检测装置,所述装置包括一种图像采集器,所述方法包括:
获得第一工序信息;
通过所述图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;
根据所述第一工序路面施工信息,获得第一路面特征信息;
获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;
根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;
根据所述匹配规范路面图像信息,获得第一特征图像;
获得第一预设分区标准;
根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;
根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;
根据所述匹配质量检测规范,获得匹配规范要求阈值;
判断所述第一对比结果是否满足所述匹配规范要求阈值;
当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告;
根据所述第一对比结果,获得第一分区信息;
获得第一分区图像信息;
将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果;
根据所述第一分析结果,获得第一位置信息,所述第一位置信息为不符合所述第一特征图像信息的图像位置;
对所述第一位置进行标记,获得标记点;
获得标记点阈值;
根据所述标记点、所述第一图像信息,统计第一图像标记点数量;
当所述第一图像标记点数量超过所述标记点阈值时,获得第二预警信息。
2.如权利要求1所述的方法,其中,所述获得标记点阈值,包括:
根据所述第一图像信息,获得第一图像采集范围;
根据所述第一图像采集范围,获得第一工序路面施工面积;
根据所述第一预设分区标准、所述第一工序路面施工面积,获得分区占比信息;
根据所述分区占比信息、所述匹配质量检测规范,获得所述标记点阈值。
3.如权利要求1所述的方法,其中,当所述第一路面特征信息包括多种路面特征信息时,所述方法包括:
根据所述路面特征信息,获得路面位置信息,所述路面位置信息与所述路面特征信息相对应;
根据所述路面位置信息对所述第一图像信息进行路面划分,获得路面图像信息,所述路面图像信息包括多个图像信息,分别为第一路面图像、第二路面图像、直到第N路面图像,N为大于2的自然数;
分别根据所述第一路面图像、第二路面图像、直到第N路面图像,获得对应的路面特征信息,将获得的所有路面特征信息组成路面特征集合,所述路面特征集合包括第一特征、第二特征、直到第N特征;
依次根据所述路面特征集合中的特征、所述预设沥青路面质量规范,获得匹配质量检测规范集合,所述匹配质量检测规范集合,包括第一匹配规范、第二匹配规范、直到第N匹配规范;
分别对所述第一路面图像、第二路面图像、直到第N路面图像进行质量监控操作分析,获得分析结果。
4.如权利要求3所述的方法,其中,所述质量监控操作分析包括:
根据匹配规范,获得规范特征;
根据所述第一预设分区标准对路面图像进行分区,并根据所述规范特征对所述路面图像的各分区依次进行特征遍历对比,获得对比结果;
判断所述对比结果是否满足所述匹配规范中的阈值要求,获得判断结果;
根据所述判断结果,获得所述分析结果。
5.如权利要求1所述的方法,其中,所述方法包括:
通过所述图像采集器获得第二图像信息,所述第二图像信息与所述第一图像信息采集角度不同,所述第一图像信息包括沥青铺设路面上表面信息,所述第二图像信息包括沥青铺设路面侧厚度信息;
根据所述第一工序信息、所述预设沥青路面质量规范,获得第一厚度要求;
根据所述第一厚度要求、所述第二图像信息,获得厚度特征信息,所述厚度特征信息用于表示所述第一厚度要求在所述第二图像信息中的图像特征;
根据所述厚度特征信息,获得第二预设分区标准;
根据所述第二预设分区标准对所述第二图像信息进行分区,获得第二图像分区信息;
根据所述厚度特征信息对所述第二图像分区信息中各图像分区依次进行特征遍历对比,获得第二对比结果;
当所述第二对比结果不满足所述第一厚度要求时,获得第三预警信息。
6.如权利要求1所述的方法,其中,所述将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果,包括:
将所述第一特征图像作为第一输入信息;
将所述第一分区图像信息作为第二输入信息;
将所述第一输入信息、所述第二输入信息输入所述图像分析模型,所述图像分析模型为多组训练数据经过训练收敛获得,其中,所述多组训练数据中每组数据均包括所述第一输入信息、所述第二输入信息和标识第一分析结果的标识信息;
获得所述图像分析模型的输出信息,所述输出信息包括所述第一分析结果。
7.一种智能监控沥青路面施工质量的系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得第一工序信息;
第二获得单元,所述第二获得单元用于通过图像采集器获得第一图像信息,所述第一图像信息包括第一工序路面施工信息;
第三获得单元,所述第三获得单元用于根据所述第一工序路面施工信息,获得第一路面特征信息;
第四获得单元,所述第四获得单元用于获得预设沥青路面质量规范,所述预设沥青路面质量规范包括工序信息、路面特征信息、规范路面图像信息;
第五获得单元,所述第五获得单元用于根据所述第一工序信息、所述第一路面特征信息、所述预设沥青路面质量规范,获得匹配质量检测规范,所述匹配质量检测规范包括匹配规范路面图像信息;
第六获得单元,所述第六获得单元用于根据所述匹配规范路面图像信息,获得第一特征图像;
第七获得单元,所述第七获得单元用于获得第一预设分区标准;
第八获得单元,所述第八获得单元用于根据所述第一预设分区标准对所述第一图像信息进行分区,获得第一图像分区信息;
第九获得单元,所述第九获得单元用于根据所述第一特征图像对所述第一图像分区信息中各图像分区依次进行特征遍历对比,获得第一对比结果;
第十获得单元,所述第十获得单元用于根据所述匹配质量检测规范,获得匹配规范要求阈值;
第一判断单元,所述第一判断单元用于判断所述第一对比结果是否满足所述匹配规范要求阈值;
第一生成单元,所述第一生成单元用于当不满足时,获得第一预警信息,并根据所述第一对比结果生成第一质量报告;
第十一获得单元,所述第十一获得单元用于根据所述第一对比结果,获得第一分区信息;
第十二获得单元,所述第十二获得单元用于获得第一分区图像信息;
第十三获得单元,所述第十三获得单元用于将所述第一特征图像、所述第一分区图像信息输入图像分析模型,获得第一分析结果;
第十四获得单元,所述第十四获得单元用于根据所述第一分析结果,获得第一位置信息,所述第一位置信息为不符合所述第一特征图像信息的图像位置;
第十五获得单元,所述第十五获得单元用于对所述第一位置进行标记,获得标记点;
第十六获得单元,所述第十六获得单元用于获得标记点阈值;
第一统计单元,所述第一统计单元用于根据所述标记点、所述第一图像信息,统计第一图像标记点数量;
第十七获得单元,所述第十七获得单元用于当所述第一图像标记点数量超过所述标记点阈值时,获得第二预警信息。
8.一种智能监控沥青路面施工质量的系统,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,其中,所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842597.4A CN113470008B (zh) | 2021-07-26 | 2021-07-26 | 一种智能监控沥青路面施工质量的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110842597.4A CN113470008B (zh) | 2021-07-26 | 2021-07-26 | 一种智能监控沥青路面施工质量的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113470008A CN113470008A (zh) | 2021-10-01 |
CN113470008B true CN113470008B (zh) | 2023-08-18 |
Family
ID=77882342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110842597.4A Active CN113470008B (zh) | 2021-07-26 | 2021-07-26 | 一种智能监控沥青路面施工质量的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113470008B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114626615B (zh) * | 2022-03-21 | 2023-02-03 | 江苏仪化信息技术有限公司 | 一种生产过程监控管理方法及系统 |
CN114706360A (zh) * | 2022-06-06 | 2022-07-05 | 浙江新迪嘉禾食品有限公司 | 一种面包生产质量的控制方法及系统 |
CN115130881A (zh) * | 2022-07-06 | 2022-09-30 | 日照市计量科学研究院 | 一种基于大数据的道路施工监测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010175756A (ja) * | 2009-01-29 | 2010-08-12 | Zenrin Co Ltd | 路面標示地図生成方法及び路面標示地図生成装置 |
CN109409827A (zh) * | 2018-10-12 | 2019-03-01 | 南京东巴电子科技有限公司 | 一种基于虚实对比的工程建设中施工进度的监控方法 |
CN109460754A (zh) * | 2019-01-31 | 2019-03-12 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种水面异物检测方法、装置、设备及存储介质 |
CN109597404A (zh) * | 2017-09-30 | 2019-04-09 | 徐工集团工程机械股份有限公司 | 压路机及其控制器、控制方法和系统 |
CN112183244A (zh) * | 2020-09-11 | 2021-01-05 | 浙江大华技术股份有限公司 | 场景建立方法及装置、存储介质、电子装置 |
CN112396131A (zh) * | 2020-12-11 | 2021-02-23 | 广西味豪食品有限公司 | 一种木瓜丝质量监控方法和装置 |
CN113033840A (zh) * | 2021-03-29 | 2021-06-25 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路养护的判断方法和装置 |
-
2021
- 2021-07-26 CN CN202110842597.4A patent/CN113470008B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010175756A (ja) * | 2009-01-29 | 2010-08-12 | Zenrin Co Ltd | 路面標示地図生成方法及び路面標示地図生成装置 |
CN109597404A (zh) * | 2017-09-30 | 2019-04-09 | 徐工集团工程机械股份有限公司 | 压路机及其控制器、控制方法和系统 |
CN109409827A (zh) * | 2018-10-12 | 2019-03-01 | 南京东巴电子科技有限公司 | 一种基于虚实对比的工程建设中施工进度的监控方法 |
CN109460754A (zh) * | 2019-01-31 | 2019-03-12 | 深兰人工智能芯片研究院(江苏)有限公司 | 一种水面异物检测方法、装置、设备及存储介质 |
CN112183244A (zh) * | 2020-09-11 | 2021-01-05 | 浙江大华技术股份有限公司 | 场景建立方法及装置、存储介质、电子装置 |
CN112396131A (zh) * | 2020-12-11 | 2021-02-23 | 广西味豪食品有限公司 | 一种木瓜丝质量监控方法和装置 |
CN113033840A (zh) * | 2021-03-29 | 2021-06-25 | 唐山市曹妃甸区陆月柒峰科技有限责任公司 | 一种公路养护的判断方法和装置 |
Non-Patent Citations (1)
Title |
---|
路面检测技术综述;马建;赵祥模;贺拴海;宋宏勋;赵煜;宋焕生;程磊;王建锋;袁卓亚;黄福伟;张健;杨澜;;交通运输工程学报(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113470008A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113470008B (zh) | 一种智能监控沥青路面施工质量的方法及系统 | |
CN112252292B (zh) | 一种基于人工神经网络的高速公路压实度实时监测方法 | |
Thube | Artificial neural network (ANN) based pavement deterioration models for low volume roads in India | |
Alvioli et al. | Rockfall susceptibility and network-ranked susceptibility along the Italian railway | |
CN102982081B (zh) | 道路交通安全隐患路段甄别方法和系统 | |
Nik et al. | Hybrid PSO and GA approach for optimizing surveyed asphalt pavement inspection units in massive network | |
Lin et al. | Exploring the potential of image-based 3D geometry and appearance reasoning for automated construction progress monitoring | |
CN113610301B (zh) | 一种表征地面沉降时序演变的预测算法 | |
CN110363299B (zh) | 面向露头岩层分层的空间案例推理方法 | |
CN117217058A (zh) | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 | |
CN114855570A (zh) | 市政道路的养护策略处理方法、装置和计算机设备 | |
CN106354940A (zh) | 基于水质模型不确定性输入的景观水水质模拟与预警方法 | |
DE102019135751A1 (de) | Verfahren, Vorrichtungen, Systeme und Computerprogrammprodukte zum Schätzeneiner Fahrbahnoberflächentemperatur | |
CN110659774A (zh) | 大数据方法驱动的停车需求预测方法 | |
CN117371807A (zh) | 一种路空协同的路面病害数字化管控系统、方法及介质 | |
Wang et al. | Key technologies and future development trends of intelligent earth–rock dam construction | |
Al-Jameel et al. | Analysis of traffic stream characteristics using loop detector data | |
Abdur-Rouf et al. | A before-and-after traffic noise analysis of a roundabout converted to a signalized intersection | |
Bachri et al. | Landslide Susceptibility Mapping (LSM) in Kelud Volcano Using Spatial Multi-Criteria Evaluation | |
CN103839278A (zh) | 一种前景检测方法及装置 | |
CN113792992B (zh) | 一种基于遥感大数据的滑坡崩塌应急评价方法及系统 | |
Fonseca et al. | A novel model to predict a slab avalanche configuration using m: n-CAk cellular automata | |
Kairanbayeva et al. | Predictive System for Road Condition Monitoring based on Open Climate and Remote Sensing Data–A Case Study with Mountain Roads | |
Manjusha et al. | A review of advanced pavement distress evaluation techniques using unmanned aerial vehicles | |
Castro Illusanguil | Do we build what we design? Using data-driven approaches to couple the construction process into air void ratio regression |
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 |