CN116029617B - 质量验收表单的生成方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明提供了一种质量验收表单的生成方法、装置、设备及可读存储介质，涉及数据处理技术领域，包括获取所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；将所有工程报验信息进行层次分析；将分析得到的每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；将质量验收标准信息和质量验收图像进行预处理；将处理得到的数据进行工程项目合格判断，得到判断结果信息；基于所有层级的工程报验信息、BIM模型数据和判断结果信息生成工程质量验收表单，能够自动生成质量检验批表单方法及装置，减少报验错误和缺漏，减少施工单位和监理单位现场填写表单的工作量。

Description

质量验收表单的生成方法、装置、设备及可读存储介质

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种质量验收表单的生成方法、装置、设备及可读存储介质。

背景技术

铁路工程项目的建设周期长，工程量大，项目质量分解结构异常庞大，传统的WEB端填写项目质量检验记录表单，记录质量验收情况工作非常繁琐，非常容易出现错报，漏报的情况。现需要一种能够自动生成质量检验批表单方法及装置，减少报验错误和缺漏，减少施工单位和监理单位现场填写表单的工作量。

发明内容

本发明的目的在于提供一种质量验收表单的生成方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种质量验收表单的生成方法，包括：

获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单。

第二方面，本申请还提供了一种质量验收表单的生成装置，包括：

获取单元，用于获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

第一分析单元，用于将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

第二分析单元，用于将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

第一处理单元，用于将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

判断单元，用于将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

第二处理单元，用于基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单。

第三方面，本申请还提供了一种质量验收表单的生成设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现所述质量验收表单的生成方法的步骤。

第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于质量验收表单的生成方法的步骤。

本发明的有益效果为：

本发明通过对每个施工人员上传的工程报验信息进行分析，通过层次分析法将所有的工程报验信息分层，确定每个层级的工程项目有哪些，每个层级包含哪些子项目，然后通过将每个层级的工程报验信息确定对应的BIM模型，将工程报验信息与BIM模型对应，其中通过关联分析进行分析，提高对应的准确性，减少误报的可能，实现工程的自动分拆分解，确保每个工程项目的每个结构都进行报验，并且通过BIM模型可以直接观察到，然后对所述工程报验信息进行检验，判断其是否符合标准，通过图像识别技术判断是否按照预设的标准进行施工，得到是否合格的判断结果，最终通过将所有数据进行汇总按照预设的格式生成每个层级的工程质量验收表单。

本发明可以自动生成质量验收表单，减少报验错误和缺漏，减少施工单位和监理单位现场填写表单的工作量，提高工作效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例中所述的质量验收表单的生成方法流程示意图；

图2为本发明实施例中所述的质量验收表单的生成装置结构示意图；

图3为本发明实施例中所述的质量验收表单的生成设备结构示意图。

图中标记：701、获取单元；702、第一分析单元；703、第二分析单元；704、第一处理单元；705、判断单元；706、第二处理单元；7021、第一分析子单元；7022、第二分析子单元；7023、第三分析子单元；7031、第一处理子单元；7032、第四分析子单元；7033、第五分析子单元；7041、第二处理子单元；7042、第三处理子单元；7043、第四处理子单元；7051、第一获取子单元；7052、第五处理子单元；7053、第六处理子单元；7054、第一判断子单元；70541、第二获取子单元；70542、第七处理子单元；70543、第八处理子单元；70544、第二判断子单元；800、质量验收表单的生成设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

本实施例提供了一种质量验收表单的生成方法。

参见图1，图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5和步骤S6。

步骤S1：获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

本步骤通过每个施工人员采用移动设备对工程报验信息、质量验收标准信息和质量验收图像进行上传，其中采用相同的方式上传，减少上传误差，保障上传质量，并且可以监测到每个施工人员是否上传信息，防止产生误传和漏传等情况产生。

步骤S2：将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

可以理解的是本步骤通过对所有施工人员上传的工程报验信息进行层次分析，快速对所有工程报验信息进行分层分类，减少人工统计误差，达到高效快速高质量的目的，本步骤中，步骤S2包括步骤S21、步骤S22和步骤S23。

步骤S21：将所述工程报验信息中的所有数据进行层次分析，并建立得到层次结构模型，所述层次结构模型由上往下的排列顺序包括项目层、标段层、单位工程层、工点层和部位层；

可以理解的是本步骤通过对工程报验信息中的所有数据进行归类分析，划分为由上到下顺序形成的项目层、标段层、单位工程层、工点层和部位层五个层次，确保每层件的对应关系，保障每个项目不漏报。

步骤S22：将所述层次结构模型中每层的工程报验信息进行重要性比较，构建重要性判别矩阵，并基于所述重要性判别矩阵分别计算得到每个判别矩阵最大特征值；

可以理解的是，在本步骤中，基于层次结构模型对每层中的两两工程报验信息进行比较获得相对重要程度的关系，将每个工程报验信息占所有的工程报验信息的权重值作为每个工程报验信息的分值，并做归一化处理后得到判别矩阵，判别矩阵如公式（1）所示：

（1）；

其中：A为判别矩阵；

为当前层级的工程报验信息i和工程报验信息j对上一层级的重要性比例标度；i和j分别为不同种类的工程报验信息；n为层次结构模型的维度。

步骤S23：基于所述最大特征值计算得到一致性指标，并在满足所述一致性指标的情况下，基于重要性判别矩阵内的特征向量和所述最大特征值对每个层次的所有工程报验信息进行排序，得到至少两个层级的工程报验信息。

可以理解的是，在本步骤中，基于判别矩阵按列向量进行归一化处理，得到正规化矩阵；然后再将正规化矩阵按行相加，得到特征向量，再基于特征向量计算所述最大特征值，然后判别矩阵进行一致性检验，基于最大特征值和公式（2）得到度量判别矩阵偏离一致性的指标，公式（2）如下所示：

（2）；

其中：R为一致性指标；

为判别矩阵的最大特征值；n为判别矩阵的阶数；E为平均随机一致性指标；

可以理解的是本步骤中排序是为了将工程报验信息中重要程度高的信息排列在前，并且将每个项目依次排列出来，保证每个项目都排列出来，减少漏报的可能性。

步骤S3：将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

可以理解的是本步骤通过对每个层级的工程报验信息和BIM模型数据进行灰色关联分析，保障对应的准确性的同时，可以让工作人员直观的观察到是BIM模型中哪个部位没有报验，进而快速进行查漏补缺，减少工作难度和提高工作效率，本步骤中，步骤S3包括步骤S31、步骤S32和步骤S33。

步骤S31：将每个层级的所述工程报验信息和预设的BIM模型数据进行无量纲化处理，其中将基于均值转换法将所述工程报验信息中的结构数据和预设的BIM模型中的结构数据进行均值转换，得到无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息；

可以理解的是本步骤通过对所述工程报验信息和预设的BIM模型数据进行无量纲化处理，避免了两者的数量级差别过大而导致后续处理误差过大，在对数据计算前对每个样本进行无量纲化处理，本实施例中基于均值转换法分别对工程报验信息和BIM模型数据进行计算，消除不同数据之间的量纲差异，其中，BIM模型数据包括每个工程内的模型长度、宽度和位置等数据信息，其中，均值转换法如公式（3）所示：

（3）；

其中：

为无量纲化处理后的参数，/>

为工程报验信息或BIM模型数据中的某个样本，/>

为工程报验信息或BIM模型数据中某个样本的均值；/>

为工程报验信息或BIM模型数据中的某个样本标准差。

步骤S32：基于关联系数的计算公式对无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息进行计算，得到每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联系数；

本步骤通过计算每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联系数，为计算关联度做准备，其中关联系数的公式（4）如下所示；

（4）；

其中：

为无量纲化后的工程报验信息/>

相对于无量纲化后的BIM模型数据信息的关系系数；/>

为无量纲化后的工程报验信息；k为无量纲化后的BIM模型数据信息；/>

为每个无量纲化后的BIM模型数据信息的层级；/>

为每个无量纲化后的工程报验信息的层级；/>

为分辨系数，取0-1。

步骤S33：基于所述关联系数计算每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联度，并基于计算得到的关联度值确定每个层级的工程报验信息对应的BIM模型数据。

可以理解的是，在本步骤中，基于公式（5）计算各自变量因素与因变量因素的关联度，公式（5）如下所示；

（5）；

其中：

为无量纲化后的工程报验信息的层级种类对应的关联度；t为无量纲化后的工程报验信息的层级种类；h为无量纲化后的BIM模型数据信息的层级种类；n为无量纲化后的工程报验信息的样本总数量；/>

为无量纲化后的工程报验信息相对于无量纲化后的BIM模型数据信息的关系系数。

步骤S4：将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

可以理解的是本步骤通过对质量验收标准信息和质量验收图像信息进行识别分析，确定每个质量验收标准信息对应的质量验收图像信息，进而才能对质量验收标准和质量验收图像进行分析，保证分析的准确性，本步骤中，步骤S4包括步骤S41、步骤S42和步骤S43。

步骤S41：将所述质量验收标准信息发送至Bert模型中进行预训练，确定每个工程项目对应的质量验收标准的特征语句；

可以理解的是本步骤通过Bert模型对质量验收标准信息中的语句信息进行预处理，识别每个质量验收标准信息中每个标准对应的语句信息和每个标准对于的工程项目，保证专项专验，每个项目都有对应的验收标准，其中所述工程项目为每个工程内包含的所有施工单元，为最基础的单元，如其中一个工程内某个支座的施工称为施工项目，所述Bert模型为预训练后的模型，其中通过Bert模型随机地选一些质量验收标准的特征语句，然后用一个特殊的符号来代替它们，之后让模型根据所给的特征语句去学习这些地方该填的词，然后预测输入 Bert模型的两段文本是否为连续的文本，进而得到每个工程项目对应的质量验收标准的特征语句。

步骤S42：将所述质量验收图像发送至图像识别模型进行图像识别，其中将所有图像基于Yolov3网络进行图像识别，得到每个图像中包含的工程项目的图像信息；

可以理解的本步骤中通过Yolov3网络对图像进行识别，首先将所述质量验收图像经过多层的深度卷积降维出来，直至降维到52,26和13三个维度， 在52维，26维和13维分别有三个全卷积特征提取器，1*1的卷积核用于降维，3*3的卷积核用于提取特征，多个卷积核交错达到目的。每个全卷积特征层是有连接的，当前特征层的输入有来自于上一层的输出的一部分。每个特征层都有一个输出，即预测结果，最后根据置信度大小对结果进行回归，得到最终的预测结果，所述预测结果为每个图像中包含的工程项目的图像信息。

步骤S43：将每个工程项目对应的质量验收标准的所述特征语句分别和每个图像中包含的工程项目的图像信息进行映射，确定每个特征语句对应的工程项目的图像信息。

可以理解的是本步骤通过每个工程项目对应的质量验收标准的所述特征语句分别和每个图像中包含的工程项目的图像信息进行对应映射，确定每个工程项目内图像信息对应的验收标准的特征语句，进而做到每个项目单独验收，保证检验质量的同时，提高验收效率。

步骤S5：将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

可以理解的是本步骤通过对进行工程项目合格判断，确定每个项目是否合格，进而为之后的生成工程质量验收表单做准备，保障每个项目都有对应的表单，每个表单内所有数据均不漏填，本步骤中，步骤S5包括步骤S51、步骤S52、步骤S53和步骤S54。

步骤S51：获取质量验收图像内的工程项目的图像信息的历史图像信息；

步骤S52：将所述历史图像信息和所述质量验收图像内的工程项目的图像信息进行对比，并将对比得到的所述工程项目的图像变化信息进行轮廓识别，得到每个工程项目的图像轮廓变化信息；

可以理解的是上述步骤通过对历史数据进行对比，确定相同位置的两个图像的区别，确定所述工程项目的施工范围，进而确定施工数据，为之后的合格判断做准备。

步骤S53：将所述质量验收标准信息内的特征语句信息和每个工程项目的图像轮廓变化信息按照第二信息内的对应关系进行对应，得到特征语句信息对应的图像轮廓变化信息；

可以理解的本步骤中的质量验收标准信息内的特征语句信息和图像轮廓变化信息对应，判断所述轮廓变化信息是否符合验收标准，进而快速判断每个工程项目是否符合验收标准，可以理解的是本步骤中还可以通过施工人员上传施工数据进而与验收标准进行对比，直接确定是否合格。

步骤S54：将所述特征语句信息对应的图像轮廓变化信息发送至训练后的决策树模型进行合格判断，得到所述工程项目是否合格的判断结果。

可以理解的是本步骤通过训练后的决策树模型进行判断，防止人为判断的主观性，减少人为判断的误差，并且提高判断效率，减少人工成本，本步骤中，所述步骤S54包括步骤S541、步骤S542、步骤S543和步骤S544。

步骤S541：获取历史特征语句信息对应的图像轮廓变化信息是否合格判断数据，将历史判断数据中工程项目的不合格数据进行不合格标记，得到标记后的不合格数据；

步骤S542：基于CART算法对所有历史判断数据和所述标记后的不合格数据进行训练，得到CART决策树，对所述CART决策树进行随机剪枝处理并确定所述CART决策树的常量，得到至少一个未训练的子决策树；

步骤S543：基于所述未训练的子决策树和基尼指数计算方法得到最优的子决策树，基于所述最优的子决策树得到训练后的决策树模型，所述训练后的决策树模型包含所述最优子决策树及其对应的目标常数；

步骤S544：将所述特征语句信息对应的图像轮廓变化信息发送至训练后的决策树模型进行合格判断，得到每个工程项目是否合格的判断结果。

可以理解的是上述步骤基于CART算法对历史判断数据进行训练，得到训练后的决策树，然后基于训练后的决策树对所述特征语句信息对应的图像轮廓变化信息进行决策判断，判断所述图像轮廓变化信息是否为符合标准的变化，进而确定每个工程项目是否合格。

步骤S6：基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单。

可以理解的是本步骤通过将所有层级的所述工程报验信息按照预设的格式对应填写到所述层级对应的表单中，然后其表单上对应设置BIM模型数据的链接，快速确定所述表单位于BIM模型的位置，然后将所述判断结果信息填写至表单中，进而得到每个层级内每个项目的工程质量验收表单。

实施例2：

如图2所示，本实施例提供了一种质量验收表单的生成装置，所述装置包括获取单元701、第一分析单元702、第二分析单元703、第一处理单元704、判断单元705和第二处理单元706。

获取单元701，用于获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

第一分析单元702，用于将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

第二分析单元703，用于将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

第一处理单元704，用于将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

判断单元705，用于将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

第二处理单元706，用于基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单。

在本公开的一种具体实施方式中，所述第一分析单元702包括第一分析子单元7021、第二分析子单元7022和第三分析子单元7023。

第一分析子单元7021，用于将所述工程报验信息中的所有数据进行层次分析，并建立得到层次结构模型，所述层次结构模型由上往下的排列顺序包括项目层、标段层、单位工程层、工点层和部位层；

第二分析子单元7022，用于将所述层次结构模型中每层的工程报验信息进行重要性比较，构建重要性判别矩阵，并基于所述重要性判别矩阵分别计算得到每个判别矩阵最大特征值；

第三分析子单元7023，用于基于所述最大特征值计算得到一致性指标，并在满足所述一致性指标的情况下，基于重要性判别矩阵内的特征向量和所述最大特征值对每个层次的所有工程报验信息进行排序，得到至少两个层级的工程报验信息。

在本公开的一种具体实施方式中，所述第二分析单元703包括第一处理子单元7031、第四分析子单元7032和第五分析子单元7033。

第一处理子单元7031，用于将每个层级的所述工程报验信息和预设的BIM模型数据进行无量纲化处理，其中将基于均值转换法将所述工程报验信息中的结构数据和预设的BIM模型中的结构数据进行均值转换，得到无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息；

第四分析子单元7032，用于基于关联系数的计算公式对无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息进行计算，得到每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联系数；

第五分析子单元7033，用于基于所述关联系数计算每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联度，并基于计算得到的关联度值确定每个层级的工程报验信息对应的BIM模型数据。

在本公开的一种具体实施方式中，所述第一处理单元704包括第二处理子单元7041、第三处理子单元7042和第四处理子单元7043。

第二处理子单元7041，用于将所述质量验收标准信息发送至Bert模型中进行预训练，确定每个工程项目对应的质量验收标准的特征语句；

第三处理子单元7042，用于将所述质量验收图像发送至图像识别模型进行图像识别，其中将所有图像基于Yolov3网络进行图像识别，得到每个图像中包含的工程项目的图像信息；

第四处理子单元7043，用于将每个工程项目对应的质量验收标准的所述特征语句分别和每个图像中包含的工程项目的图像信息进行映射，确定每个特征语句对应的工程项目的图像信息。

在本公开的一种具体实施方式中，所述判断单元705包括第一获取子单元7051、第五处理子单元7052、第六处理子单元7053和第一判断子单元7054。

第一获取子单元7051，用于获取质量验收图像内的工程项目的图像信息的历史图像信息；

第五处理子单元7052，用于将所述历史图像信息和所述质量验收图像内的工程项目的图像信息进行对比，并将对比得到的所述工程项目的图像变化信息进行轮廓识别，得到每个工程项目的图像轮廓变化信息；

第六处理子单元7053，用于将所述质量验收标准信息内的特征语句信息和每个工程项目的图像轮廓变化信息按照第二信息内的对应关系进行对应，得到特征语句信息对应的图像轮廓变化信息；

第一判断子单元7054，用于将所述特征语句信息对应的图像轮廓变化信息发送至训练后的决策树模型进行合格判断，得到所述工程项目是否合格的判断结果。

在本公开的一种具体实施方式中，所述第一判断子单元7054包括第二获取子单元70541、第七处理子单元70542、第八处理子单元70543和第二判断子单元70544。

第二获取子单元70541，用于获取历史特征语句信息对应的图像轮廓变化信息是否合格判断数据，将历史判断数据中工程项目的不合格数据进行不合格标记，得到标记后的不合格数据；

第七处理子单元70542，用于基于CART算法对所有历史判断数据和所述标记后的不合格数据进行训练，得到CART决策树，对所述CART决策树进行随机剪枝处理并确定所述CART决策树的常量，得到至少一个未训练的子决策树；

第八处理子单元70543，用于基于所述未训练的子决策树和基尼指数计算方法得到最优的子决策树，基于所述最优的子决策树得到训练后的决策树模型，所述训练后的决策树模型包含所述最优子决策树及其对应的目标常数；

第二判断子单元70544，用于将所述特征语句信息对应的图像轮廓变化信息发送至训练后的决策树模型进行合格判断，得到每个工程项目是否合格的判断结果。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3：

相应于上面的方法实施例，本实施例中还提供了一种质量验收表单的生成设备，下文描述的一种质量验收表单的生成设备与上文描述的一种质量验收表单的生成方法可相互对应参照。

图3是根据示例性实施例示出的一种质量验收表单的生成设备800的框图。如图3所示，该质量验收表单的生成设备800可以包括：处理器801，存储器802。该质量验收表单的生成设备800还可以包括多媒体组件803， I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该质量验收表单的生成设备800的整体操作，以完成上述的质量验收表单的生成方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该质量验收表单的生成设备800的操作，这些数据例如可以包括用于在该质量验收表单的生成设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static RandomAccess Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该质量验收表单的生成设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

在一示例性实施例中，质量验收表单的生成设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的质量验收表单的生成方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的质量验收表单的生成方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由质量验收表单的生成设备800的处理器801执行以完成上述的质量验收表单的生成方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种质量验收表单的生成方法可相互对应参照。

一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的质量验收表单的生成方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种质量验收表单的生成方法，其特征在于，包括：

获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单；

其中，所述将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息，包括：

将所述工程报验信息中的所有数据进行层次分析，并建立得到层次结构模型，所述层次结构模型由上往下的排列顺序包括项目层、标段层、单位工程层、工点层和部位层；

将所述层次结构模型中每层的工程报验信息进行重要性比较，构建重要性判别矩阵，并基于所述重要性判别矩阵分别计算得到每个判别矩阵最大特征值；

基于所述最大特征值计算得到一致性指标，并在满足所述一致性指标的情况下，基于所述特征向量和所述最大特征值对每个层次的所有工程报验信息进行排序，得到至少两个层级的工程报验信息。

2.根据权利要求1所述的质量验收表单的生成方法，其特征在于，所述将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据，包括：

将每个层级的所述工程报验信息和预设的BIM模型数据进行无量纲化处理，其中将基于均值转换法将所述工程报验信息中的结构数据和预设的BIM模型中的结构数据进行均值转换，得到无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息；

基于关联系数的计算公式对无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息进行计算，得到每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联系数；

基于所述关联系数计算每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联度，并基于计算得到的关联度值确定每个层级的工程报验信息对应的BIM模型数据。

3.根据权利要求1所述的质量验收表单的生成方法，其特征在于，将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，包括：

将所述质量验收标准信息发送至Bert模型中进行预训练，确定每个工程项目对应的质量验收标准的特征语句；

将所述质量验收图像发送至图像识别模型进行图像识别，其中将所有图像基于Yolov3网络进行图像识别，得到每个图像中包含的工程项目的图像信息；

将每个工程项目对应的质量验收标准的所述特征语句分别和每个图像中包含的工程项目的图像信息进行映射，确定每个特征语句对应的工程项目的图像信息。

4.一种质量验收表单的生成装置，其特征在于，包括：

获取单元，用于获取第一信息，所述第一信息包括所有施工人员上传的工程报验信息、质量验收标准信息和质量验收图像；

第一分析单元，用于将所有施工人员上传的工程报验信息进行层次分析，得到至少两个层级的工程报验信息；

第二分析单元，用于将每个层级的工程报验信息和预设的BIM模型数据进行灰色关联分析，得到每个层级的工程报验信息对应的BIM模型数据；

第一处理单元，用于将所述质量验收标准信息和质量验收图像进行预处理，得到第二信息，所述第二信息包括质量验收标准信息内的特征语句信息对应的质量验收图像内的工程项目的图像信息；

判断单元，用于将所述第二信息发送至训练后的决策树模型进行工程项目合格判断，得到判断结果信息；

第二处理单元，用于基于所有层级的所述工程报验信息、每个层级的工程报验信息对应的所述BIM模型数据和所述判断结果信息生成所有层级的工程质量验收表单；

其中，所述第一分析单元包括：

第一分析子单元，用于将所述工程报验信息中的所有数据进行层次分析，并建立得到层次结构模型，所述层次结构模型由上往下的排列顺序包括项目层、标段层、单位工程层、工点层和部位层；

第二分析子单元，用于将所述层次结构模型中每层的工程报验信息进行重要性比较，构建重要性判别矩阵，并基于所述重要性判别矩阵分别计算得到每个判别矩阵最大特征值；

第三分析子单元，用于基于所述最大特征值计算得到一致性指标，并在满足所述一致性指标的情况下，基于所述特征向量和所述最大特征值对每个层次的所有工程报验信息进行排序，得到至少两个层级的工程报验信息。

5.根据权利要求4所述的质量验收表单的生成装置，其特征在于，所述装置包括：

第一处理子单元，用于将每个层级的所述工程报验信息和预设的BIM模型数据进行无量纲化处理，其中将基于均值转换法将所述工程报验信息中的结构数据和预设的BIM模型中的结构数据进行均值转换，得到无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息；

第四分析子单元，用于基于关联系数的计算公式对无量纲化后的工程报验信息和无量纲化后的BIM模型数据信息进行计算，得到每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联系数；

第五分析子单元，用于基于所述关联系数计算每个无量纲化后的工程报验信息和每个无量纲化后的BIM模型数据信息的关联度，并基于计算得到的关联度值确定每个层级的工程报验信息对应的BIM模型数据。

6.根据权利要求4所述的质量验收表单的生成装置，其特征在于，所述装置包括：

第二处理子单元，用于将所述质量验收标准信息发送至Bert模型中进行预训练，确定每个工程项目对应的质量验收标准的特征语句；

第三处理子单元，用于将所述质量验收图像发送至图像识别模型进行图像识别，其中将所有图像基于Yolov3网络进行图像识别，得到每个图像中包含的工程项目的图像信息；

第四处理子单元，用于将每个工程项目对应的质量验收标准的所述特征语句分别和每个图像中包含的工程项目的图像信息进行映射，确定每个特征语句对应的工程项目的图像信息。

7.一种质量验收表单的生成设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述质量验收表单的生成方法的步骤。

8.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述质量验收表单的生成方法的步骤。

Images