CN116757556B - 一种基于图像处理的防水施工管理方法及系统 - Google Patents
一种基于图像处理的防水施工管理方法及系统 Download PDFInfo
- Publication number
- CN116757556B CN116757556B CN202311016238.9A CN202311016238A CN116757556B CN 116757556 B CN116757556 B CN 116757556B CN 202311016238 A CN202311016238 A CN 202311016238A CN 116757556 B CN116757556 B CN 116757556B
- Authority
- CN
- China
- Prior art keywords
- base layer
- construction
- stage
- image
- construction area
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000009430 construction management Methods 0.000 title claims abstract description 13
- 238000010276 construction Methods 0.000 claims abstract description 270
- 238000001514 detection method Methods 0.000 claims description 95
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 71
- 239000003973 paint Substances 0.000 claims description 56
- 230000001680 brushing effect Effects 0.000 claims description 44
- 239000000463 material Substances 0.000 claims description 43
- 238000009413 insulation Methods 0.000 claims description 39
- 238000004078 waterproofing Methods 0.000 claims description 28
- 239000011248 coating agent Substances 0.000 claims description 22
- 238000000576 coating method Methods 0.000 claims description 22
- 239000010426 asphalt Substances 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000005192 partition Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000010422 painting Methods 0.000 claims 1
- 239000010410 layer Substances 0.000 description 124
- 238000013528 artificial neural network Methods 0.000 description 15
- 230000002787 reinforcement Effects 0.000 description 11
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000011247 coating layer Substances 0.000 description 5
- 229920001971 elastomer Polymers 0.000 description 5
- 239000011241 protective layer Substances 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000009415 formwork Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 241000870659 Crassula perfoliata var. minor Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000013441 quality evaluation Methods 0.000 description 3
- 238000007790 scraping Methods 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005056 compaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 244000007853 Sarothamnus scoparius Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000003490 calendering Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 229920006254 polymer film Polymers 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007788 roughening Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000010345 tape casting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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—Systems or methods specially adapted for 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
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明提供一种基于图像处理的防水施工管理方法及系统，涉及图像处理领域，其中，所述系统包括：请求接收模块，用于在防水施工的各个阶段接收各个阶段对应的质量验收请求，其中，各个阶段对应的质量验收请求由用户终端发起；图像获取模块，用于基于请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；图像处理模块，用于对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，具有基于图像处理技术，实现对防水施工过程中各个环节的质量把控的自动化及智能化的优点。
Description
技术领域
本发明涉及图像处理领域，特别涉及一种基于图像处理的防水施工管理方法及系统。
背景技术
随着城市化进程的快速推进，各种高层建筑如雨后春笋般开始涌现，高层建筑因其具有人员容量大，视野宽广等优势受到人们的广泛青睐，如今，伴随着越来越多的人选择购置高层建筑的趋势，高层建筑楼顶防水施工的重要性也变得尤为凸显，由于高层建筑楼顶长期暴露于空气中，并且作为与雨水的直接接触部分，其防水施工环节一直是整个建筑施工环节不可忽视的重要组成部分，与此同时，随着目前人们对居住环境质量要求的不断提升，高层建筑楼顶防水施工质量也是影响人们居住体验感的重要因素，在此情形下，对高层建筑楼顶防水施工质量的分析评价便显得尤为重要。
现有技术在对高层建筑楼顶防水施工完成后的防水区域所属防水性能进行综合质量评价时，大多仅依据人工片面针对防水区域的外观缺陷程度进行防水性能的综合质量评价，智能化水平较低，同时缺乏对防水材料的涂抹平整度和涂抹粗糙度进行分析，不仅导致无法发现防水材料的涂抹所属细微质量问题，还存在分析评价维度较为片面的局限性，进而无法为后续建筑楼顶的防水区域所属防水性能对应的综合质量评价提供可靠性和精准性依据，也无法有效保障居民的居住环境安全，大大降低了居民的后期居住体验感。且，在施工完成后进行防水质量检测，在检测防水施工出现问题时，无法及时进行纠正，导致返工工作量较大。
因此，需要提供一种基于图像处理的防水施工管理方法及系统，用于基于图像处理技术，实现对防水施工过程中各个环节的质量把控的自动化及智能化。
发明内容
本说明书实施例之一提供一种基于图像处理的防水施工管理系统，包括：请求接收模块，用于在防水施工的各个阶段接收所述各个阶段对应的质量验收请求，其中，所述各个阶段对应的质量验收请求由用户终端发起；图像获取模块，用于基于所述请求接收模块接收的所述各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；图像处理模块，用于对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量。
在一些实施例中，所述各个阶段对应的质量验收请求至少包括基层处理验收请求；所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的彩色图像，包括：基于所述基层处理验收请求，获取施工区域进行基层处理后的彩色图像；所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：通过SSD目标检测算法对所述施工区域进行基层处理后的彩色图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物；当判断所述施工区域进行基层处理后的基层的表面存在杂物时，确定所述杂物的位置信息，生成第一提示信息并发送至所述用户终端，其中，第一提示信息包括所述杂物的位置信息；所述图像获取模块还用于：在所述图像处理模块判断所述施工区域进行基层处理后的基层的表面不存在杂物时，获取所述施工区域进行基层处理后的基层的点云信息及超声波检测结果；所述图像处理模块还用于：基于所述施工区域进行基层处理后的基层的点云信息及超声波检测结果，确定所述施工区域进行基层处理后的基层的平整度及空鼓度；当所述施工区域处理后的基层的平整度及空鼓度满足预设基层质量要求时，生成第二提示信息并发送至所述用户终端，其中，第二提示信息用于表征所述施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求；当所述施工区域进行基层处理后的基层的平整度及空鼓度不满足预设基层质量要求时，确定待处理基层区域的位置信息，生成第三提示信息并发送至所述用户终端，其中，第三提示信息包括所述待处理基层区域的位置信息。
在一些实施例中，所述图像处理模块通过SSD目标检测算法对所述施工区域处理后的图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物，包括：基于所述SSD目标检测算法对所述施工区域进行基层处理后的图像进行特征提取，确定所述施工区域进行基层处理后的图像的多个第一锚框；对于每个所述第一锚框，提取所述第一锚框对应的第一区域图像的图像特征，并基于所述第一区域图像的图像特征判断所述第一锚框对应的第一区域图像中是否存在杂物。
在一些实施例中，所述各个阶段对应的质量验收请求至少包括涂料涂刷验收请求：所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：基于所述涂料涂刷验收请求，获取施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像；所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：基于所述图像获取模块获取的所述施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像，生成涂料表面点云；基于所述涂料表面点云确定涂料表面的平整度；当所述涂料表面的平整度满足预设涂料涂刷要求时，生成第四提示信息并发送至所述用户终端，其中，第四提示信息用于表征所述施工区域的涂料涂刷验收通过；当所述涂料表面的平整度不满足预设涂料涂刷要求时，确定待处理涂刷区域的位置信息，生成第五提示信息并发送至所述用户终端，其中，第五提示信息包括所述待处理涂刷区域的位置信息。
在一些实施例中，所述各个阶段对应的质量验收请求至少包括基层含水率检测请求：所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：在涂料涂刷验收通过后，基于所述基层含水率检测请求，确定至少一个含水率检测点；在每个所述含水率检测点铺设透明防水卷材；在测试时间段内获取铺设在每个所述含水率检测点的透明防水卷材的图像；所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：基于在测试时间段内获取铺设在每个所述含水率检测点的透明防水卷材的图像，确定基层含水率；当所述基层含水率满足预设含水率要求时，生成第六提示信息并发送至所述用户终端，其中，所述第六提示信息用于表征所述施工区域的基层含水率检测验收通过；当所述基层含水率不满足预设含水率要求时，生成第七提示信息并发送至所述用户终端，其中，所述第七提示信息用于表征所述施工区域的基层含水率检测验收不通过。
在一些实施例中，所述图像获取模块确定至少一个含水率检测点，包括：基于约束条件集，生成多种候选检测方案，其中，所述候选检测方案包括至少一个候选含水率检测点；对于每个所述候选检测方案，确定所述候选检测方案在多个评估指标的得分；基于所述候选检测方案在多个评估指标的得分，从所述多种候选检测方案中确定目标检测方案。
在一些实施例中，所述各个阶段对应的质量验收请求至少包括保温板铺贴验收请求：所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：基于所述保温板铺贴验收请求，获取施工区域进行保温板铺贴后的彩色图像；所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：通过缝隙识别模型对所述施工区域进行保温板铺贴后的彩色图像进行图像识别，确定相邻两块保温板之间的拼缝相关信息；基于所述相邻两块保温板之间的拼缝相关信息，确定保温板铺贴质量；基于所述保温板铺贴质量生成对应的提示信息发送至所述用户终端。
在一些实施例中，所述各个阶段对应的质量验收请求至少包括混凝土浇筑验收请求：所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：基于所述混凝土浇筑验收请求，在混凝土浇筑过程中，获取混凝土浇筑模具的图像；所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：通过变形识别模型对所述混凝土浇筑模具的图像进行图像识别，确定所述混凝土浇筑模具的变形信息；基于所述混凝土浇筑模具的变形信息生成对应的提示信息发送至所述用户终端。
在一些实施例中，所述请求接收模块还用于接收涂刷辅助请求；所述图像处理模块还用于；所述施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求后，基于所述涂刷辅助请求，通过涂刷分区模型对所述施工区域进行分区，确定每个分区的涂刷厚度及用量。
本说明书实施例之一提供一种基于图像处理的防水施工管理方法，包括：在防水施工的各个阶段接收各个阶段对应的质量验收请求，其中，所述各个阶段对应的质量验收请求由用户终端发起；基于接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；对采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量。
相比于现有技术，本说明书提供的一种基于图像处理的防水施工管理方法及系统，至少具备以下有益效果：
1、通过在防水施工的各个阶段接收各个阶段对应的质量验收请求，并基于请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，进一步的，对采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，实现对防水施工过程中各个环节的质量把控的自动化及智能化；
2、先通过SSD目标检测算法对施工区域进行基层处理后的彩色图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物，当判断存在杂物时，不再进行后续的判断，避免后续无效工作的进行，在判断不存在杂物时，再基于施工区域进行基层处理后的基层的点云信息及超声波检测结果，确定施工区域进行基层处理后的基层的平整度及空鼓度，进而对基层预处理质量进行评估，从而能实现自动化判断能否继续后续的涂料涂刷工作；
3、通过获取的施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像，生成涂料表面点云，能够较为自动化地确定较为准确的涂料表面的平整度，从而能实现自动化判断是否进行后续的卷材铺设工作；
4、通过基于在测试时间段内获取铺设在每个含水率检测点的透明防水卷材的图像，确定基层含水率，从而避免在基层含水率较高时进行卷材铺设工作，使得防水效果较差；
5、通过缝隙识别模型对施工区域进行保温板铺贴后的彩色图像进行图像识别，确定相邻两块保温板之间的拼缝相关信息，在保温板铺贴的拼缝较大时，及时进行提示；
6、通过变形识别模型对混凝土浇筑模具的图像进行图像识别，确定混凝土浇筑模具的变形信息，在混凝土浇筑模具发生变形时，能够准确的检测出，及时进行提示。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的基于图像处理的防水施工管理系统的模块示意图；
图2是根据本说明书一些实施例所示的基层处理验收的流程示意图；
图3是根据本说明书一些实施例所示的涂料涂刷验收的流程示意图；
图4是根据本说明书一些实施例所示的获取透明防水卷材的图像的流程示意图；
图5是根据本说明书一些实施例所示的基于图像处理的防水施工管理方法的流程示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的基于图像处理的防水施工管理系统的模块示意图，如图1所示，基于图像处理的防水施工管理系统可以包括请求接收模块、图像获取模块及图像处理模块。
请求接收模块可以用于在防水施工的各个阶段接收各个阶段对应的质量验收请求，其中，各个阶段对应的质量验收请求由用户终端发起。其中，用户终端可以为施工工作人员使用的手机、平板电脑、笔记本电脑等设备。
图像获取模块可以用于基于请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像。
图像处理模块可以用于对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量。
其中，防水施工可以分为：基层处理阶段、施工非固化图像阶段、防水卷材铺设阶段、定位结构基础、吊放钢筋笼及浇筑混凝土。
在一些实施例中，各个阶段对应的质量验收请求至少包括基层处理验收请求。
可以理解的，在进行非固化蠕变型沥青防水涂料涂刷之前，需要先对基层进行预处理。
具体包括：
1、基层修补
（1）对阴角做补角处理，将原有的直角采用防水砂浆补成圆弧角。
（2）阳角则进行打磨去除棱角，便于卷材与基层黏结密实，同时凸出板面的混凝土块要铲平，凹陷处、麻孔等应用砂浆批嵌补平。
2、基层清理
（1）人工采用扫把进行大颗粒粗糙式清理，将整个屋面的垃圾、杂物以及大颗粒混凝土块等集中堆放后吊运至地面。
（2）采用扫地机沿屋面长度方向逐排清扫，主要清扫屋面泥土、浮浆等细小颗粒。
（3）采用鼓风机从屋面一端向另一端进行全断面的吹扫，将屋面板的灰尘全部吹扫干净。
处理完的基层平整度要保证防水涂层与基层全面接触，同时确保防水层铺贴密实无空鼓，达到坚实、平整、清洁、干燥的要求。防水涂料及卷材层施工前组织基层验收，验收合格后方可进入下一道工序。屋面基层处理干净后，要在防水工程施工前进行结构淋水试验，采用分片分区淋水试验，持续淋水不小于2h，观察屋面结构是否存在渗漏点。若不存在漏点，可继续下道工序施工；若存在渗漏点，应及时用聚氨酯或其他的防水材料进行修复，修复后屋面不再渗漏时，方可进行下一道工序。
在一些实施例中，图像获取模块可以基于基层处理验收请求，获取施工区域进行基层处理后的彩色图像。
图2是根据本说明书一些实施例所示的基层处理验收的流程示意图，如图2所示，在一些实施例中，图像处理模块对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过SSD目标检测算法对施工区域进行基层处理后的彩色图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物；
当判断施工区域进行基层处理后的基层的表面存在杂物时，确定杂物的位置信息，生成第一提示信息并发送至用户终端，其中，第一提示信息包括杂物的位置信息。
如图2所示，在一些实施例中，图像获取模块还用于：在图像处理模块判断施工区域进行基层处理后的基层的表面不存在杂物时，获取施工区域进行基层处理后的基层的点云信息及超声波检测结果。
如图2所示，在一些实施例中，图像处理模块还用于：
基于施工区域进行基层处理后的基层的点云信息及超声波检测结果，确定施工区域进行基层处理后的基层的平整度及空鼓度；
当施工区域处理后的基层的平整度及空鼓度满足预设基层质量要求时，生成第二提示信息并发送至用户终端，其中，第二提示信息用于表征施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求；
当施工区域进行基层处理后的基层的平整度及空鼓度不满足预设基层质量要求时，确定待处理基层区域的位置信息（例如，基层不平整的位置、存在空鼓的位置等），生成第三提示信息并发送至用户终端，其中，第三提示信息包括待处理基层区域的位置信息。
具体的，图像处理模块可以基于施工区域处理后的基层的多个位置在高度方向上的坐标，确定施工区域处理后的基层的平整度。
例如，图像处理模块可以基于以下公式计算施工区域处理后的基层的平整度：
其中，为施工区域处理后的基层的平整度，/>为预设参数，为施工区域处理后的基层的第i个位置在高度方向上的坐标值，/>为施工区域处理后的基层的第j个位置在高度方向上的坐标值，n为选取的施工区域处理后的基层的多个位置的总数。
仅作为示例的，当施工区域处理后的基层的平整度小于预设平整度阈值和/或存在空鼓时，判断施工区域进行基层处理后的基层不满足预设基层质量要求。
在一些实施例中，图像处理模块通过SSD目标检测算法对施工区域处理后的图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物，包括：
基于SSD目标检测算法对施工区域进行基层处理后的图像进行特征提取，确定施工区域进行基层处理后的图像的多个第一锚框；
对于每个第一锚框，提取第一锚框对应的第一区域图像的图像特征，并基于第一区域图像的图像特征判断第一锚框对应的第一区域图像中是否存在杂物。其中，图像特征可以包括每个像素的颜色特征。
进行非固化蠕变型沥青防水涂料涂刷施工可以包括以下流程：
1、涂料层施工的关键点为涂料厚度的控制，涂料层厚度采用双控法，即“网格法”和“齿板法”。
2、施工前根据设计要求的涂料层厚度和涂料单桶质量计算出每桶涂料可以涂刷的面积，在基层上弹出网格线，每个网格面积即单桶涂料所涂刷的面积。选定网格一角作为涂料倾倒位置，在相邻两边固定2m铝合金直尺作为封边，防止涂料随意扩散，从一角开始摊铺至整个网格面。
3、涂料摊铺采用带圆齿的刮涂工具，利用齿高控制涂料厚度。根据设计涂料厚度的2倍取值，选用齿高3～5mm齿板，缓慢刮推，利用非固化蠕变型沥青防水涂料低流动性能自动摊平成形，能够快速准确控制每个部位的防水涂料厚度，不会出现厚薄不一的现象。
4、非固化蠕变型橡胶沥青涂料施工前应进行基层含水率检验，即在晴天中午选取一块约2m2的卷材贴在基层上，2h后若卷材下有明显水渍，则说明基层含水率不达标，此时防水工程暂不可施工，需继续等待基层含水率达标验收后，方可进行下道程序。
在一些实施例中，各个阶段对应的质量验收请求至少包括涂料涂刷验收请求。
在一些实施例中，图像获取模块可以基于涂料涂刷验收请求，获取施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像。
图3是根据本说明书一些实施例所示的涂料涂刷验收的流程示意图，如图3所示，在一些实施例中，图像处理模块对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
基于图像获取模块获取的施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像，生成涂料表面点云；
基于涂料表面点云确定涂料表面的平整度；
当涂料表面的平整度满足预设涂料涂刷要求时，生成第四提示信息并发送至用户终端，其中，第四提示信息用于表征施工区域的涂料涂刷验收通过；
当涂料表面的平整度不满足预设涂料涂刷要求时，确定待处理涂刷区域的位置信息，生成第五提示信息并发送至用户终端，其中，第五提示信息包括待处理涂刷区域的位置信息。
具体的，图像处理模块可以涂料表面点云中多个点在高度方向上的坐标，确定涂料表面的平整度。其中，选取的涂料表面点云中多个点的总数和位置可以基于施工区域的相关信息确定。例如，施工情况越复杂的子区域选取的点越多，施工难度越大的施工区域中选取的多个点的总数越多。
在一些实施例中，各个阶段对应的质量验收请求至少包括基层含水率检测请求。
图4是根据本说明书一些实施例所示的获取透明防水卷材的图像的流程示意图，如图4所示，在一些实施例中，图像获取模块基于请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
在涂料涂刷验收通过后，基于基层含水率检测请求，确定至少一个含水率检测点；
在每个含水率检测点铺设透明防水卷材；
在测试时间段内获取铺设在每个含水率检测点的透明防水卷材的图像。
如图4所示，在一些实施例中，图像获取模块确定至少一个含水率检测点，包括：
基于约束条件集，生成多种候选检测方案，其中，候选检测方案包括至少一个候选含水率检测点，约束条件集至少包括含水率检测点最大数量约束、含水率检测点最小数量约束、相邻两个含水率检测点之间的最短距离约束及相邻两个含水率检测点之间的最长距离约束；
对于每个候选检测方案，确定候选检测方案在多个评估指标的得分，其中，评估指标可以至少包括区域覆盖度指标及数据冗余度指标等；
基于候选检测方案在多个评估指标的得分，从多种候选检测方案中确定目标检测方案。
具体的，图像获取模块可以预先设置单个候选含水率检测点对应的覆盖区域的大小，指标上的得分可以表征施工区域被含水率检测点覆盖的区域的面积。图像获取模块可以基于相邻两个候选含水率检测点对应的覆盖区域的重叠面积确定候选检测方案在数据冗余度指标上的得分。
例如，图像获取模块可以基于以下公式计算候选检测方案在区域覆盖度指标的得分：
其中，为候选检测方案在区域覆盖度指标的得分，/>为施工区域的总面积，/>为施工区域中未被覆盖的区域的面积。
图像获取模块可以基于以下公式计算候选检测方案在数据冗余度指标的得分：
其中，为候选检测方案在数据冗余度指标的得分，/>为预设参数，/>为相邻两个候选含水率检测点对应的覆盖区域的重叠面积，m为候选检测方案包括的候选含水率检测点的总数。
仅作为示例的，图像获取模块可以对候选检测方案在区域覆盖度指标及数据冗余度指标上的得分进行加权求和，生成候选检测方案对应的性能分值。将性能分值最大的候选检测方案作为目标检测方案。
在一些实施例中，图像处理模块可以基于在测试时间段内获取铺设在每个含水率检测点的透明防水卷材的图像，确定基层含水率；当基层含水率满足预设含水率要求时，生成第六提示信息并发送至用户终端，其中，第六提示信息用于表征施工区域的基层含水率检测验收通过；当基层含水率不满足预设含水率要求时，生成第七提示信息并发送至用户终端，其中，第七提示信息用于表征施工区域的基层含水率检测验收不通过。
具体的，图像处理模块可以基于每个含水率检测点的透明防水卷材的图像，确定每个含水率检测点的透明防水卷材的水渍面积，对每个含水率检测点的透明防水卷材的水渍面积进行加权求和，确定基层含水率。当基层含水率大于预设基层含水率阈值时，表征基层含水率不满足预设含水率要求。
防水卷材铺贴可以具体包括以下步骤：
1、高分子膜基防水卷材的铺贴紧跟非固化蠕变型橡胶沥青涂料层进行，即刮涂一段铺贴一段。大面积卷材施工前先进行附加层的施工，屋面的落水口、出屋面管道根部、女儿墙阴阳角、天沟等处先刮涂1mm厚的蠕变型橡胶沥青防水涂料加强处理，然后铺贴宽度为50cm的附加层卷材，涂料层宽度要比卷材宽度多出5cm，确保附加层卷材铺贴密实牢固。
2、附加层施工完成后进行大面积卷材铺贴，大面积施工时涂料层的施工面积超出卷材层的施工面积不大于20m²，避免涂料层施工面积过大、涂料冷却过早导致卷材与涂料层黏结不牢。铺贴卷材应平整顺直，不得扭曲、皱褶，由低向高缓慢滚铺，铺贴时3人配合操作，2人控制卷材的滚铺方向，确保不偏不移，一人在卷材后方负责压辊碾压密实，不得出现空鼓。
3、卷材搭接部位的接缝口用蠕变型橡胶沥青防水涂料封严，平行于排水沟的方向卷材搭接缝为顺流水方向，即“上压下”；搭接宽度≥80mm；同一层卷材相邻2幅卷材搭接缝应错开，错开间距≥500mm，搭接宽度≥80mm。
设备结构基础定位和保温板铺贴可以具体包括以下步骤：
1、在保温板铺设前，根据深化完成后的设备结构基础图纸，在已完成施工的防水卷材上面进行设备结构基础位置的弹线定位，用记号笔或油漆将设备结构基础轮廓位置标识清楚，便于铺设保温板时将设备结构基础位置进行空缺预留，为下一步安放设备结构基础钢筋笼做准备。
2、保温板铺贴前综合考虑屋面设备结构基础、风井、排烟井的位置，设计好保温板的铺设布局，尽量确保整板铺贴，排列紧密，且连续进行；当保温板需要裁切时，边角要顺直、整齐，保温板之间拼缝要密实，相邻两板面高度一致。板与板间之间要错缝、挤紧，不得有缝隙。若因保温板裁剪不方正或裁剪不直而形成缝隙，应用挤塑板条塞入并打磨平。
在一些实施例中，各个阶段对应的质量验收请求至少包括保温板铺贴验收请求。
在一些实施例中，图像获取模块可以基于保温板铺贴验收请求，获取施工区域进行保温板铺贴后的彩色图像。
在一些实施例中，图像处理模块对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过缝隙识别模型对施工区域进行保温板铺贴后的彩色图像进行图像识别，确定相邻两块保温板之间的拼缝相关信息，其中，缝隙识别模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型，拼缝相关信息可以包括拼缝的面积、拼缝的位置等；
基于相邻两块保温板之间的拼缝相关信息，确定保温板铺贴质量；
基于保温板铺贴质量生成对应的提示信息发送至用户终端。
具体的，对于每个拼缝，图像处理模块基于该拼缝的面积，判断该拼缝是否符合保温板铺贴要求，当存在至少预设书两个拼缝均不符合保温板铺贴要求时，确定保温板铺贴质量不满足预设保温板铺贴质量要求，将不符合保温板铺贴要求的拼缝的位置及拼缝的面积发送至用户终端。
设备结构基础钢筋笼及保护层钢筋安装可以具体包括以下步骤：
1、设备结构基础采用预先在后场绑扎钢筋笼的形式，提前在钢筋加工场按设计图纸绑扎好，保温板铺设完成后直接吊放到预留位置，在安装刚性保护层网片时将钢筋笼与网片钢筋一起进行绑扎固定，以加强其整体性及稳定性。
2、钢筋网片搭接长度不小于一个网格长度，网片遇伸缩缝位置断开，网片下设置与保护层混凝土同强度等级的混凝土垫块。
第1次混凝土浇筑可以具体包括以下步骤：
1、设备结构基础如果一次浇筑成形则需要吊模施工，需设置固定点来固定模板，但设备结构基础下方是防水卷材层，设置固定点势必会对卷材造成破坏，同时一次吊模也难以保证设备结构基础的成形质量，存在极大的渗漏风险和返工风险。因此，考虑将设备结构基础分2次浇筑，即先浇筑保护层混凝土，待强度达到上人条件时在保护层混凝土面进行支模浇筑剩余设备结构基础混凝土，既避免了吊模施工带来的渗漏隐患，同时也确保了设备结构基础的成形质量。
2、第1次混凝土浇筑时首先进行设备结构基础位置混凝土浇筑，先将预留凹槽位置与保温板浇平，浇筑时安排专人复核设备结构基础钢筋笼的位置是否有偏移，如有偏移及时采取措施纠偏。待所有设备结构基础位置凹槽浇平后进行大面积保护层混凝土的浇筑，振捣采用平板振捣器，设备结构基础位置安排专人进行插捣密实。振实后随即用刮尺按排水坡度刮平，终凝前用铁抹子压光。混凝土浇筑完成后及时养护，养护时间不少于7天。
第2次混凝土浇筑可以具体包括以下步骤：
1、待刚性保护层混凝土强度达到1.2MPa，即达到上人作业条件时开始对外露设备结构基础钢筋进行调整，并将新旧混凝土接触部位进行凿毛处理，符合要求后进行支模，模板支设要顺直，验收合格后进行设备结构基础混凝土的二次浇筑。
2、浇筑时安排专人看模，确保模板不变形不跑位，同时采用插入式振捣棒将基础混凝土振捣密实，确保成形质量。达到拆模条件后拆除侧模，并将设备结构基础保湿养护7天。
在一些实施例中，各个阶段对应的质量验收请求至少包括混凝土浇筑验收请求。
在一些实施例中，图像获取模块可以基于混凝土浇筑验收请求，在混凝土浇筑过程中，获取混凝土浇筑模具的图像。
在一些实施例中，图像处理模块对图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过变形识别模型对混凝土浇筑模具的图像进行图像识别，确定混凝土浇筑模具的变形信息，其中，变形识别模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(LongShort-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型；
基于混凝土浇筑模具的变形信息生成对应的提示信息发送至用户终端。
具体的，当变形识别模型识别混凝土浇筑模具存在变形时，发送表征混凝土浇筑模具变形的提示信息至用户终端。
在一些实施例中，请求接收模块还用于接收涂刷辅助请求。
在一些实施例中，图像处理模块还用于；
施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求后，基于涂刷辅助请求，通过涂刷分区模型对施工区域进行分区，确定每个分区的涂刷厚度及用量。其中，涂刷分区模型可以为人工神经网络(Artificial Neural Network，ANN)模型、循环神经网络(Recurrent Neural Networks，RNN)模型、长短时记忆网络(Long Short-Term Memory，LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
后续施工人员可以按照图像处理模块确定的每个分区的涂刷厚度及用量进行涂料涂刷。
图5是根据本说明书一些实施例所示的基于图像处理的防水施工管理方法的流程示意图，基于图像处理的防水施工管理方法可以由基于图像处理的防水施工管理系统执行，如图5所示，一种基于图像处理的防水施工管理方法可以包括以下步骤：
步骤510，在防水施工的各个阶段接收各个阶段对应的质量验收请求，其中，各个阶段对应的质量验收请求由用户终端发起；
步骤520，基于接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；
步骤530，对采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量。
关于基于图像处理的防水施工管理方法的更多描述可以参见基于图像处理的防水施工管理系统的更多描述，此处不再赘述。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种基于图像处理的防水施工管理系统，其特征在于，包括：
请求接收模块，用于在防水施工的各个阶段接收所述各个阶段对应的质量验收请求，其中，所述各个阶段对应的质量验收请求由用户终端发起；
图像获取模块，用于基于所述请求接收模块接收的所述各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；
图像处理模块，用于对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量；
所述各个阶段对应的质量验收请求至少包括基层处理验收请求；
所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
基于所述基层处理验收请求，获取施工区域进行基层处理后的彩色图像；
所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过SSD目标检测算法对所述施工区域进行基层处理后的彩色图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物；
当判断所述施工区域进行基层处理后的基层的表面存在杂物时，确定所述杂物的位置信息，生成第一提示信息并发送至所述用户终端，其中，第一提示信息包括所述杂物的位置信息；
所述图像获取模块还用于：
在所述图像处理模块判断所述施工区域进行基层处理后的基层的表面不存在杂物时，获取所述施工区域进行基层处理后的基层的点云信息及超声波检测结果；
所述图像处理模块还用于：
基于所述施工区域进行基层处理后的基层的点云信息及超声波检测结果，确定所述施工区域进行基层处理后的基层的平整度及空鼓度；
当所述施工区域处理后的基层的平整度及空鼓度满足预设基层质量要求时，生成第二提示信息并发送至所述用户终端，其中，第二提示信息用于表征所述施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求；
当所述施工区域进行基层处理后的基层的平整度及空鼓度不满足预设基层质量要求时，确定待处理基层区域的位置信息，生成第三提示信息并发送至所述用户终端，其中，第三提示信息包括所述待处理基层区域的位置信息。
2.根据权利要求1所述的一种基于图像处理的防水施工管理系统，其特征在于，所述图像处理模块通过SSD目标检测算法对所述施工区域处理后的图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物，包括：
基于所述SSD目标检测算法对所述施工区域进行基层处理后的图像进行特征提取，确定所述施工区域进行基层处理后的图像的多个第一锚框；
对于每个所述第一锚框，提取所述第一锚框对应的第一区域图像的图像特征，并基于所述第一区域图像的图像特征判断所述第一锚框对应的第一区域图像中是否存在杂物。
3.根据权利要求1或2所述的一种基于图像处理的防水施工管理系统，其特征在于，所述各个阶段对应的质量验收请求至少包括涂料涂刷验收请求：
所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
基于所述涂料涂刷验收请求，获取施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像；
所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
基于所述图像获取模块获取的所述施工区域的基层进行非固化蠕变型沥青防水涂料涂刷后的深度图像，生成涂料表面点云；
基于所述涂料表面点云确定涂料表面的平整度；
当所述涂料表面的平整度满足预设涂料涂刷要求时，生成第四提示信息并发送至所述用户终端，其中，第四提示信息用于表征所述施工区域的涂料涂刷验收通过；
当所述涂料表面的平整度不满足预设涂料涂刷要求时，确定待处理涂刷区域的位置信息，生成第五提示信息并发送至所述用户终端，其中，第五提示信息包括所述待处理涂刷区域的位置信息。
4.根据权利要求1或2所述的一种基于图像处理的防水施工管理系统，其特征在于，所述各个阶段对应的质量验收请求至少包括基层含水率检测请求：
所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
在涂料涂刷验收通过后，基于所述基层含水率检测请求，确定至少一个含水率检测点；
在每个所述含水率检测点铺设透明防水卷材；
在测试时间段内获取铺设在每个所述含水率检测点的透明防水卷材的图像；
所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
基于在测试时间段内获取铺设在每个所述含水率检测点的透明防水卷材的图像，确定基层含水率；
当所述基层含水率满足预设含水率要求时，生成第六提示信息并发送至所述用户终端，其中，所述第六提示信息用于表征所述施工区域的基层含水率检测验收通过；
当所述基层含水率不满足预设含水率要求时，生成第七提示信息并发送至所述用户终端，其中，所述第七提示信息用于表征所述施工区域的基层含水率检测验收不通过。
5.根据权利要求4所述的一种基于图像处理的防水施工管理系统，其特征在于，所述图像获取模块确定至少一个含水率检测点，包括：
基于约束条件集，生成多种候选检测方案，其中，所述候选检测方案包括至少一个候选含水率检测点；
对于每个所述候选检测方案，确定所述候选检测方案在多个评估指标的得分；
基于所述候选检测方案在多个评估指标的得分，从所述多种候选检测方案中确定目标检测方案。
6.根据权利要求1或2所述的一种基于图像处理的防水施工管理系统，其特征在于，所述各个阶段对应的质量验收请求至少包括保温板铺贴验收请求：
所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
基于所述保温板铺贴验收请求，获取施工区域进行保温板铺贴后的彩色图像；
所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过缝隙识别模型对所述施工区域进行保温板铺贴后的彩色图像进行图像识别，确定相邻两块保温板之间的拼缝相关信息；
基于所述相邻两块保温板之间的拼缝相关信息，确定保温板铺贴质量；
基于所述保温板铺贴质量生成对应的提示信息发送至所述用户终端。
7.根据权利要求1或2所述的一种基于图像处理的防水施工管理系统，其特征在于，所述各个阶段对应的质量验收请求至少包括混凝土浇筑验收请求：
所述图像获取模块基于所述请求接收模块接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
基于所述混凝土浇筑验收请求，在混凝土浇筑过程中，获取混凝土浇筑模具的图像；
所述图像处理模块对所述图像获取模块采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过变形识别模型对所述混凝土浇筑模具的图像进行图像识别，确定所述混凝土浇筑模具的变形信息；
基于所述混凝土浇筑模具的变形信息生成对应的提示信息发送至所述用户终端。
8.根据权利要求1或2所述的一种基于图像处理的防水施工管理系统，其特征在于，所述请求接收模块还用于接收涂刷辅助请求；
所述图像处理模块还用于；
所述施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求后，基于所述涂刷辅助请求，通过涂刷分区模型对所述施工区域进行分区，确定每个分区的涂刷厚度及用量。
9.一种基于图像处理的防水施工管理方法，其特征在于，包括：
在防水施工的各个阶段接收各个阶段对应的质量验收请求，其中，所述各个阶段对应的质量验收请求由用户终端发起；
基于接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像；
对采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量；
所述各个阶段对应的质量验收请求至少包括基层处理验收请求；
所述基于接收的各个阶段对应的质量验收请求，采集施工区域在防水施工的各个阶段的图像，包括：
基于所述基层处理验收请求，获取施工区域进行基层处理后的彩色图像；
对采集的施工区域在防水施工的各个阶段的图像进行图像处理，确定在防水施工的各个阶段的防水施工质量，包括：
通过SSD目标检测算法对所述施工区域进行基层处理后的彩色图像进行目标识别，判断施工区域处理后的基层的表面是否存在杂物；
当判断所述施工区域进行基层处理后的基层的表面存在杂物时，确定所述杂物的位置信息，生成第一提示信息并发送至所述用户终端，其中，第一提示信息包括所述杂物的位置信息；
所述方法还包括：
判断所述施工区域进行基层处理后的基层的表面不存在杂物时，获取所述施工区域进行基层处理后的基层的点云信息及超声波检测结果；
所述方法还包括：
基于所述施工区域进行基层处理后的基层的点云信息及超声波检测结果，确定所述施工区域进行基层处理后的基层的平整度及空鼓度；
当所述施工区域处理后的基层的平整度及空鼓度满足预设基层质量要求时，生成第二提示信息并发送至所述用户终端，其中，第二提示信息用于表征所述施工区域进行基层处理后的基层满足后续涂料涂刷的前置要求；
当所述施工区域进行基层处理后的基层的平整度及空鼓度不满足预设基层质量要求时，确定待处理基层区域的位置信息，生成第三提示信息并发送至所述用户终端，其中，第三提示信息包括所述待处理基层区域的位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016238.9A CN116757556B (zh) | 2023-08-14 | 2023-08-14 | 一种基于图像处理的防水施工管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311016238.9A CN116757556B (zh) | 2023-08-14 | 2023-08-14 | 一种基于图像处理的防水施工管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116757556A CN116757556A (zh) | 2023-09-15 |
| CN116757556B true CN116757556B (zh) | 2023-10-31 |
Family
ID=87957478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311016238.9A Active CN116757556B (zh) | 2023-08-14 | 2023-08-14 | 一种基于图像处理的防水施工管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116757556B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210429A (zh) * | 2020-04-17 | 2020-05-29 | 中联重科股份有限公司 | 点云数据划分方法及装置、障碍物检测方法及装置 |
| CN111912759A (zh) * | 2020-07-15 | 2020-11-10 | 天津日博工业技术有限公司 | 一种防水透气膜的透气量测试方法 |
| CN112819304A (zh) * | 2021-01-22 | 2021-05-18 | 邢素华 | 基于云计算和图像处理技术的建筑工程质量验收监理方法和云管理平台 |
| CN113032868A (zh) * | 2021-03-08 | 2021-06-25 | 万翼科技有限公司 | 预制构件管理方法、装置、电子设备及存储介质 |
| CN113538845A (zh) * | 2021-07-12 | 2021-10-22 | 武汉市佳梦科技有限公司 | 一种基于远程视频监控分析技术的建筑施工现场安全生产实时监测预警方法 |
| CN114511199A (zh) * | 2022-03-09 | 2022-05-17 | 杭州易鼎行网络科技有限公司 | 一种工程项目交付验收管理方法、设备及计算机存储介质 |
| CN115034612A (zh) * | 2022-06-10 | 2022-09-09 | 元宇智数(深圳)科技有限公司 | 基于云端的建筑施工工地质量监测系统及方法 |
| CN115937638A (zh) * | 2022-12-30 | 2023-04-07 | 北京瑞莱智慧科技有限公司 | 模型训练方法、图像处理方法、相关装置及存储介质 |
| CN116152218A (zh) * | 2023-02-27 | 2023-05-23 | 清华大学 | 施工质量智能检测方法及装置 |
| WO2023096588A1 (en) * | 2021-11-25 | 2023-06-01 | Univerza V Mariboru | A system, a method and a computer program for construction progress monitoring |
| CN116580032A (zh) * | 2023-07-14 | 2023-08-11 | 青岛西海岸城市建设集团有限公司 | 一种用于道路施工的质量监控方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11288412B2 (en) * | 2018-04-18 | 2022-03-29 | The Board Of Trustees Of The University Of Illinois | Computation of point clouds and joint display of point clouds and building information models with project schedules for monitoring construction progress, productivity, and risk for delays |
| US20210004948A1 (en) * | 2019-09-14 | 2021-01-07 | Ron Zass | Verifying purported capturing parameters of images of construction sites |
| JP7040809B2 (ja) * | 2020-03-19 | 2022-03-23 | Ｔｏｔａｌｍａｓｔｅｒｓ株式会社 | 建設現場管理装置 |
-
2023
- 2023-08-14 CN CN202311016238.9A patent/CN116757556B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111210429A (zh) * | 2020-04-17 | 2020-05-29 | 中联重科股份有限公司 | 点云数据划分方法及装置、障碍物检测方法及装置 |
| CN111912759A (zh) * | 2020-07-15 | 2020-11-10 | 天津日博工业技术有限公司 | 一种防水透气膜的透气量测试方法 |
| CN112819304A (zh) * | 2021-01-22 | 2021-05-18 | 邢素华 | 基于云计算和图像处理技术的建筑工程质量验收监理方法和云管理平台 |
| CN113032868A (zh) * | 2021-03-08 | 2021-06-25 | 万翼科技有限公司 | 预制构件管理方法、装置、电子设备及存储介质 |
| CN113538845A (zh) * | 2021-07-12 | 2021-10-22 | 武汉市佳梦科技有限公司 | 一种基于远程视频监控分析技术的建筑施工现场安全生产实时监测预警方法 |
| WO2023096588A1 (en) * | 2021-11-25 | 2023-06-01 | Univerza V Mariboru | A system, a method and a computer program for construction progress monitoring |
| CN114511199A (zh) * | 2022-03-09 | 2022-05-17 | 杭州易鼎行网络科技有限公司 | 一种工程项目交付验收管理方法、设备及计算机存储介质 |
| CN115034612A (zh) * | 2022-06-10 | 2022-09-09 | 元宇智数(深圳)科技有限公司 | 基于云端的建筑施工工地质量监测系统及方法 |
| CN115937638A (zh) * | 2022-12-30 | 2023-04-07 | 北京瑞莱智慧科技有限公司 | 模型训练方法、图像处理方法、相关装置及存储介质 |
| CN116152218A (zh) * | 2023-02-27 | 2023-05-23 | 清华大学 | 施工质量智能检测方法及装置 |
| CN116580032A (zh) * | 2023-07-14 | 2023-08-11 | 青岛西海岸城市建设集团有限公司 | 一种用于道路施工的质量监控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图像识别技术的建筑施工火灾安全管理研究;苏阳;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》(第10期);B026-17 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116757556A (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103266767A (zh) | 混凝土结构与填充墙间裂缝防治施工工法 | |
| CN103233520A (zh) | 一种建筑外墙结构自防水系统及其施工方法 | |
| CN106801517A (zh) | 一种预制多孔板砖混合结构的校舍体外加固加强方法 | |
| CN111005557A (zh) | 清水混凝土外墙模板施工方法 | |
| CN107165290A (zh) | 地下室底板预铺式高分子自粘胶膜防水卷材非沥青基施工工法 | |
| CN102852290A (zh) | 屋面女儿墙泛水处结构及其施工方法 | |
| CN110644318A (zh) | 一种场道道面混凝土施工方法 | |
| CN212613903U (zh) | 一种砖混结构老旧楼体复合加固结构 | |
| CN111535322B (zh) | 一种底部加浆的变态混凝土施工方法 | |
| CN116757556B (zh) | 一种基于图像处理的防水施工管理方法及系统 | |
| CN110409600A (zh) | 单元组合式污水池结构施工方法 | |
| CN109555238A (zh) | 一种铝合金模板砼体免抹灰的加工方法 | |
| CN206245560U (zh) | 一种现浇混凝土板厚控制预制构件 | |
| CN111910842A (zh) | 一种抗老化刚性防水层分隔缝分层细作施工工艺 | |
| CN111962348A (zh) | 一种混凝土地面施工工艺 | |
| CN111255191A (zh) | 一种半预贴式瓷砖及其铺贴方法 | |
| CN115613769A (zh) | 一种基于bim技术的大坡度多v面异形斜屋面施工方法及结构 | |
| CN112049365B (zh) | 室内地坪施工方法及应用于其的室内地坪结构 | |
| CN113431215A (zh) | 一种楼承板混凝土施工缝防水构造及其施工方法 | |
| CN106869387A (zh) | 密肋板楼盖结构体系hz砼膜施工方法 | |
| CN112376327A (zh) | 一种高铁无砟轨道底座板施工方法 | |
| de Medeiros et al. | Inspection and rehabilitation of the marquee of the Ibirapuera Park in Brazil | |
| CN105178518A (zh) | 一种即有屋面的节能环保式防水保温施工方法 | |
| CN204081104U (zh) | 一种保温系统 | |
| CN116611141A (zh) | 传统建筑屋面施工方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |