CN116990310A - 一种基于数据分析的墙体混凝土裂缝监测预警系统 - Google Patents
一种基于数据分析的墙体混凝土裂缝监测预警系统 Download PDFInfo
- Publication number
- CN116990310A CN116990310A CN202311261963.2A CN202311261963A CN116990310A CN 116990310 A CN116990310 A CN 116990310A CN 202311261963 A CN202311261963 A CN 202311261963A CN 116990310 A CN116990310 A CN 116990310A
- Authority
- CN
- China
- Prior art keywords
- value
- area
- scanning
- damage
- analysis
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000007405 data analysis Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 124
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 238000006073 displacement reaction Methods 0.000 claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 230000000737 periodic effect Effects 0.000 claims abstract description 16
- 230000002354 daily effect Effects 0.000 claims description 70
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005336 cracking Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000009792 diffusion process Methods 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 claims 1
- 230000035882 stress Effects 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000003892 spreading Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Abstract
本发明属于墙体裂缝监管技术领域，具体是一种基于数据分析的墙体混凝土裂缝监测预警系统，包括服务器、墙体监控扫描模块、墙体周期受损评估模块以及区域位移检测分析模块；本发明通过裂缝识别分析以将对应扫描区域标记为无损区、微损区或高损区，据此以生成扫描高风险信号或扫描低风险信号，分析结果更加精准，有效避免发生安全事故，且在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，区域位移检测分析模块将扫描区域进行位移检测分析，能够准确预测和预警墙体的安全隐患程度，有利于管理人员及时且针对性的作出相应管控措施，进一步降低墙体混凝土的安全隐患。
Description
技术领域
本发明涉及墙体裂缝监管技术领域，具体是一种基于数据分析的墙体混凝土裂缝监测预警系统。
背景技术
在建筑工程中，混凝土墙体的裂缝是较为常见的问题，裂缝不仅影响墙体的结构稳定性，还会导致水分和空气的渗透，进一步加速墙体的老化，现有的监测方法往往依赖于人工定期检查，或者使用简单的仪器进行初步检测；
然而，人工检查不仅耗时，且由于检查者的疏忽或技术不足而容易产生误判，检测分析结果不够精准，且在检测到墙体混凝土表面裂缝表现状况较好时，无法将墙体混凝土进行周期受损评估分析和位移检测分析，难以准确预测和预警墙体的安全隐患程度，不利于管理人员及时且针对性的作出相应管控措施；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种基于数据分析的墙体混凝土裂缝监测预警系统，解决了现有技术在进行墙体混凝土裂缝监测时，检测分析结果不够精准，且无法将墙体混凝土进行周期受损评估分析和位移检测分析，难以准确预测和预警墙体的安全隐患程度，不利于进行有效管控的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于数据分析的墙体混凝土裂缝监测预警系统，包括服务器、墙体监控扫描模块、墙体周期受损评估模块以及区域位移检测分析模块；墙体监控扫描模块将墙体表面划分为若干个扫描区域，将对应扫描区域标记为t，且t为大于1的自然数；通过摄像头对墙体进行监控扫描，采集到扫描区域t的扫描图像并通过裂缝识别分析以将扫描区域t标记为无损区、微损区或高损区，以及通过分析生成扫描高风险信号或扫描低风险信号，将扫描高风险信号经服务器发送至后台管控终端；
在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，据此以生成受损预警信号或受损安全信号，且将受损预警信号经服务器发送至后台管控终端；区域位移检测分析模块将扫描区域t进行位移检测分析，据此以生成扫描区域t的位移预警信号或位移安全信号，将位移预警信号以及对应扫描区域t经服务器发送至后台管控终端。
进一步的，裂缝识别分析的具体分析过程如下：
对扫描区域t的扫描图像进行预处理，预处理操作包括去噪、增强、填充孔洞和去除多余部分；提取出墙体的特征，墙体特征包括轮廓和表面特征；根据提取的特征对墙体进行裂缝检测，若扫描区域t中未检测到裂缝，则将扫描区域t标记为无损区；
若扫描区域t中存在裂缝，则对检测到的裂缝进行识别和分类，裂缝种类包括龟裂型裂缝和延伸型裂缝；若对应裂缝为龟裂型裂缝，则采集到对应裂缝的龟裂扩散面积以及龟裂平均深度，将龟裂扩散面积和龟裂平均深度与预设龟裂扩散面积阈值和预设龟裂平均深度阈值分别进行数值比较，若龟裂扩散面积或龟裂平均深度超过对应预设阈值，则将对应裂缝标记为高危裂缝；否则将对应裂缝标记为低危裂缝；
若对应裂缝为延伸型裂缝，则采集到对应裂缝的延伸路径距离值、最大裂口深度值和最大裂口宽度值，以及获取到最大裂口深度和最大裂口宽度所处位置，若两者处于同一位置，则向其分配区位影响值p1，若两者未处于同一位置，则向其分配区位影响值p2，且p1＞p2＞0；将延伸路径距离值、最大裂口深度值和最大裂口宽度值相乘，且将乘积值与对应的区位影响值相乘以得到延伸检测值；将延伸检测值与预设延伸检测阈值进行数值比较，若延伸检测值超过预设延伸检测阈值，则将对应裂缝标记为高危裂缝，否则将对应裂缝标记为低危裂缝；
若扫描区域t中存在高危裂缝，则将扫描区域t标记为高损区；若扫描区域t中不存在高危裂缝，则采集到扫描区域t中低危裂缝的数量并将其标记为扫描分析值；将扫描分析值与预设扫描分析阈值进行数值比较，若扫描分析值超过预设扫描分析阈值，则将扫描区域t标记为高损区，若扫描分析值未超过预设扫描分析阈值，则将扫描区域t标记为微损区。
进一步的，在将扫描区域t标记为无损区、微损区或高损区后，若墙体表面存在高损区，则生成扫描高风险信号；
若墙体表面不存在高损区，则将微损区的数量与无损区的数量进行比值计算得到微损分析值；基于所有微损区的位置以获取到微损区最大毗连数量，并将其标记为微损聚集值；将微损分析值和微损聚集值进行数值计算得到墙体评估值，将墙体评估值与预设墙体评估阈值进行数值比较，若墙体评估值超过预设墙体评估阈值，则生成扫描高风险信号；若墙体评估值未超过预设墙体评估阈值，则生成扫描低风险信号。
进一步的，周期受损评估分析的具体分析过程包括：
设定第一时间段，采集到第一时间段扫描区域t每日的最大温度值和最小温度值，将最大温度值和最小温度值进行差值计算得到温差值，同理获取到湿差值；以及获取到扫描区域t每日未处于预设适宜温度范围的时长并将其标记为温时值，同理获取到湿时值；
且获取到第一时间段扫描区域t每日的应力变化曲线，据此以得到扫描区域t对应日期的应力平均值，将应力平均值与预设应力平均值范围的中值进行差值计算得到应力表现值；将扫描区域t对应日期的温差值、温时值、湿差值、湿时值和应力表现值进行归一化计算得到日损分析值，将扫描区域t在第一时间段的所有日损分析值进行求和计算并取均值得到日损平均值；
将所有扫描区域的日损平均值进行均值计算和方差计算得到日损评估值和日损离散值；将日损评估值和日损离散值与预设日损评估阈值和预设日损离散阈值分别进行数值比较，若日损评估值超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，则生成受损预警信号；若日损评估值未超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，则生成受损安全信号；
其余情况则从服务器获取到受损预警区的数量和受损正常区的数量，将受损预警区的数量与受损正常区的数量进行比值计算得到受损分析值；将受损分析值与预设受损分析阈值进行数值比较，若受损分析值超过预设受损分析阈值，则生成受损预警信号，若受损分析值未超过预设受损分析阈值，则生成受损安全信号。
进一步的，服务器通信连接区域受损识别模块，服务器生成受损识别分类信号并将受损识别分类信号发送至区域受损识别模块；区域受损识别模块接收到受损识别分类信号时，将扫描区域t进行区域识别分类，据此以将扫描区域t标记为受损正常区或受损预警区，且将受损预警区经服务器发送至后台管控终端。
进一步的，区域识别分类的具体分类过程如下：
将扫描区域t的日损平均值与预设日损平均值阈值进行数值比较，若日损平均值超过预设日损平均值阈值，则将其标记为受损预警区；若日损平均值未超过预设日损平均值阈值，则将第一时间段内扫描区域t的所有日损分析值按照数值由大到小进行排序，将位于首位的日损分析值标记为日损高幅值；将超过预设日损平均值阈值的日损分析值数量标记为日损数表值；
将扫描区域t的日损平均值、日损高幅值和日损数表值进行数计算得到日损校验值；将日损校验值与预设日损校验阈值进行数值比较，若日损校验值超过预设日损校验阈值，则将扫描区域t标记为受损预警区；若日损校验值未超过预设日损校验阈值，则将扫描区域t标记为受损正常区。
进一步的，位移检测分析的具体分析过程包括：
事先在扫描区域t中布设若干个位移检测点，设定第二时间段，获取到第二时间段内扫描区域t中各个位移检测点两两之间的距离变化数据并将其标记为距离偏移幅度；将扫描区域t在第二时间段内的所有距离偏移幅度建立距离偏移集合，将距离偏移集合进行求和计算并取均值以得到距偏平均值；
将距离偏移幅度与预设距离偏移幅度阈值进行数值比较，若距离偏移幅度超过预设距离偏移幅度阈值，则将对应距离偏移幅度标记为距离超偏值，且将距离超偏值的数量标记为距超系数；将距离偏移集合中的子集按照数值由大到小的顺序进行排序，将位于首位的子集标记为距离高偏值；
将距偏平均值、距超系数和距离高偏值进行数值计算得到位移检测值，将位移检测值与对应的预设位移检测阈值进行数值比较，若位移检测值超过预设位移检测阈值，则生成对应扫描区域t的位移预警信号，若位移检测值未超过预设位移检测阈值，则生成对应扫描区域t的位移安全信号。
进一步的，若扫描区域t为无损区和受损正常区时，则其所对应的预设位移检测阈值的取值为WY1；若扫描区域t为微损区和受损预警区时，则其所对应的预设位移检测阈值的取值为WY3；其余情况则扫描区域t所对应的预设位移检测阈值的取值为WY2；其中，WY3＞WY2＞WY1＞0。
与现有技术相比，本发明的有益效果是：
1、本发明中，通过墙体监控扫描模块将墙体表面划分为若干个扫描区域，采集到扫描区域t的扫描图像并通过裂缝识别分析以将扫描区域t标记为无损区、微损区或高损区，以便后台管理人员详细掌握各个扫描区域的安全风险程度，以及通过分析生成扫描高风险信号或扫描低风险信号，分析结果更加精准，有效避免因检查者的疏忽或技术不足而产生误判的问题，减小监测难度并提高管理效率，避免发生安全事故；
2、本发明中，在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，据此以生成受损预警信号或受损安全信号，以及通过区域位移检测分析模块将扫描区域t进行位移检测分析，据此以生成扫描区域t的位移预警信号或位移安全信号，能够准确反映各个扫描区域的变化情况，能够准确预测和预警墙体的安全隐患程度，有利于管理人员及时且针对性的作出相应管控措施，从而进一步降低墙体混凝土的安全隐患。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明中实施例一的系统框图；
图2为本发明中实施例二的系统框图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
实施例一：如图1所示，本发明提出的一种基于数据分析的墙体混凝土裂缝监测预警系统，包括服务器、墙体监控扫描模块以及墙体周期受损评估模块，且服务器与墙体监控扫描模块以及墙体周期受损评估模块均通信连接；
其中，墙体监控扫描模块将墙体表面划分为若干个扫描区域，将对应扫描区域标记为t，且t为大于1的自然数；通过摄像头对墙体进行监控扫描，采集到扫描区域t的扫描图像并通过裂缝识别分析以将扫描区域t标记为无损区、微损区或高损区，以便后台管理人员详细掌握各个扫描区域的裂缝状况，从而了解各个扫描区域的安全风险程度；以及通过分析生成扫描高风险信号或扫描低风险信号，将扫描高风险信号经服务器发送至后台管控终端，以便后台管理人员详细掌握墙体混凝土的整体风险程度，从而有助于及时作出相应的管理措施，避免发生安全事故；裂缝识别分析的具体分析过程如下：
对扫描区域t的扫描图像进行预处理，预处理包括去噪、增强、填充孔洞和去除多余部分等操作，以提高图像的质量和准确性；提取出墙体的特征，如包括轮廓和表面特征等；根据提取的特征对墙体进行裂缝检测，若扫描区域t中未检测到裂缝，则将扫描区域t标记为无损区；若扫描区域t中存在裂缝，则对检测到的裂缝进行识别和分类，裂缝种类包括龟裂型裂缝和延伸型裂缝，需要说明的是，龟裂型裂缝表示若干裂纹聚集在一起形成团聚状，延伸型裂缝表示裂缝呈单一曲线延伸状或单一直线延伸状；
具体而言，若对应裂缝为龟裂型裂缝，则采集到对应裂缝的龟裂扩散面积以及龟裂平均深度，需要说明的是，龟裂扩散面积和龟裂平均深度的数值越大，则表明对应裂缝所带来的安全风险越大；将龟裂扩散面积和龟裂平均深度与预设龟裂扩散面积阈值和预设龟裂平均深度阈值分别进行数值比较，若龟裂扩散面积或龟裂平均深度超过对应预设阈值，则将对应裂缝标记为高危裂缝；若龟裂扩散面积和龟裂平均深度均未超过对应预设阈值，则将对应裂缝标记为低危裂缝；
若对应裂缝为延伸型裂缝，则采集到对应裂缝的延伸路径距离值、最大裂口深度值和最大裂口宽度值，以及获取到最大裂口深度和最大裂口宽度所处位置，若两者处于同一位置，则其所带来的安全风险更大，则向其分配区位影响值p1，若两者未处于同一位置，则向其分配区位影响值p2，且p1＞p2＞0；通过分配不同数值的区位影响值，有助于提升后续分析结果的准确性；
通过公式TY=wk1*YL+wk2*LQ+wk3*LD将延伸路径距离值YL、最大裂口深度值LQ和最大裂口宽度LD值相乘，其中，wk1、wk2、wk3为预设权重系数，wk1、wk2、wk3的取值均大于零；将乘积值TY与对应的区位影响值相乘以得到延伸检测值；需要说明的是，延伸检测值的数值越大，则表明对应裂缝所带来的安全风险越大；将延伸检测值与预设延伸检测阈值进行数值比较，若延伸检测值超过预设延伸检测阈值，则将对应裂缝标记为高危裂缝；若延伸检测值未超过预设延伸检测阈值，则将对应裂缝标记为低危裂缝；
若扫描区域t中存在高危裂缝，表明扫描区域t所存在的安全风险较大，则将扫描区域t标记为高损区；若扫描区域t中不存在高危裂缝，则采集到扫描区域t中低危裂缝的数量并将其标记为扫描分析值；将扫描分析值与预设扫描分析阈值进行数值比较，若扫描分析值超过预设扫描分析阈值，表明扫描区域t所存在的安全风险较大，则将扫描区域t标记为高损区，若扫描分析值未超过预设扫描分析阈值，表明扫描区域t所存在的安全风险较小，则将扫描区域t标记为微损区。
在将扫描区域t标记为无损区、微损区或高损区后，若墙体表面存在高损区，则生成扫描高风险信号；若墙体表面不存在高损区，则将微损区的数量与无损区的数量进行比值计算得到微损分析值；基于所有微损区的位置以获取到微损区最大毗连数量，微损区最大毗连数量是表示相连接的微损区数量的最大值；将微损区最大毗连数量标记为微损聚集值；
通过公式QP=rt1*WF+rt2*WJ将微损分析值WF和微损聚集值WJ进行数值计算得到墙体评估值QP，其中，rt1、rt2为预设权重系数，rt1、rt2的取值均大于零；并且，墙体评估值QP的数值大小与微损分析值WF以及微损聚集值WJ均呈正比关系，墙体评估值QP的数值越大，则表明墙体混凝土的安全状况越差；将墙体评估值QP与预设墙体评估阈值进行数值比较，若墙体评估值QP超过预设墙体评估阈值，则生成扫描高风险信号；若墙体评估值QP未超过预设墙体评估阈值，则生成扫描低风险信号。
在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，据此以生成受损预警信号或受损安全信号，且将受损预警信号经服务器发送至后台管控终端；周期受损评估分析的具体分析过程如下：
设定第一时间段，优选的，第一时间段为十五天；采集到第一时间段扫描区域t每日的最大温度值和最小温度值，将最大温度值和最小温度值进行差值计算得到温差值，同理获取到湿差值；需要说明的是，温差值和湿差值的数值越大，对墙体混凝土造成的不利影响越大；以及获取到扫描区域t每日未处于预设适宜温度范围的时长并将其标记为温时值，同理获取到湿时值；
且获取到第一时间段扫描区域t每日的应力变化曲线，据此以得到扫描区域t对应日期的应力平均值，将应力平均值与预设应力平均值范围的中值进行差值计算得到应力表现值；需要说明的是，应力表现值是表示应力相较于其标准值的偏离程度大小的数据量值，应力表现值的数值越大，则对墙体混凝土造成的不利影响越大；
通过公式
将扫描区域t对应日期的温差值WEt、温时值WSt、湿差值QEt、湿时值QSt和应力表现值YBt进
行归一化计算得到日损分析值RFt，其中，rg1、rg2、rg3、rg4、rg5为预设比例系数，rg1、rg2、
rg3、rg4、rg5的取值均大于零；并且，日损分析值RFt的数值越大，表明对应日期扫描区域t
受到的损害越大；将扫描区域t在第一时间段的所有日损分析值进行求和计算并取均值得
到日损平均值；
将所有扫描区域的日损平均值进行均值计算得到日损评估值，将所有扫描区域的日损平均值进行方差计算得到日损离散值；将日损评估值和日损离散值与预设日损评估阈值和预设日损离散阈值分别进行数值比较，若日损评估值超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，表明墙体混凝土整体而言受到的损害较大，则生成受损预警信号；若日损评估值未超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，表明墙体混凝土整体而言受到的损害较小，则生成受损安全信号；
其余情况则从服务器获取到受损预警区的数量和受损正常区的数量，将受损预警区的数量与受损正常区的数量进行比值计算得到受损分析值；其中，受损分析值的数值越大，则表明墙体混凝土整体而言受到的损害越大；将受损分析值与预设受损分析阈值进行数值比较，若受损分析值超过预设受损分析阈值，则生成受损预警信号，若受损分析值未超过预设受损分析阈值，则生成受损安全信号。
进一步而言，服务器通信连接区域受损识别模块，服务器生成受损识别分类信号并将受损识别分类信号发送至区域受损识别模块；区域受损识别模块接收到受损识别分类信号时，将扫描区域t进行区域识别分类，据此以将扫描区域t标记为受损正常区或受损预警区，将受损预警区和受损正常区发送至服务器，服务器将受损预警区发送至后台管控终端，以便后台管理人员及时加强相应区域的监测和管控，并作出相应的改善措施；区域识别分类的具体分类过程如下：
将扫描区域t的日损平均值与预设日损平均值阈值进行数值比较，若日损平均值超过预设日损平均值阈值，则将其标记为受损预警区；若日损平均值未超过预设日损平均值阈值，则将第一时间段内扫描区域t的所有日损分析值按照数值由大到小进行排序，将位于首位的日损分析值标记为日损高幅值；将扫描区域t每日的日损分析值与预设日损分析阈值进行数值比较，将超过预设日损平均值阈值的日损分析值数量标记为日损数表值；
通过公式RYt=fw1*TPt+fw2*TGt+fw3*TSt将扫描区域t的日损平均值TPt、日损高幅值TGt和日损数表值TSt进行数计算得到日损校验值RYt；其中，fw1、fw2、fw3为预设权重系数，fw1、fw2、fw3的取值均大于零；并且，日损校验值RYt的数值越大，则表明扫描区域t受到的损害越严重；将日损校验值与预设日损校验阈值进行数值比较，若日损校验值RYt超过预设日损校验阈值，则将扫描区域t标记为受损预警区；若日损校验值RYt未超过预设日损校验阈值，则将扫描区域t标记为受损正常区。
实施例二：如图2所示，本实施例与实施例1的区别在于，服务器与区域位移检测分析模块通信连接，区域位移检测分析模块将扫描区域t进行位移检测分析，据此以生成扫描区域t的位移预警信号或位移安全信号，将位移预警信号以及对应扫描区域t经服务器发送至后台管控终端，能够准确反映各个扫描区域的变化情况，有助于进行裂缝风险程度预测，以便后台管理人员及时作出相应管控措施，从而进一步降低墙体混凝土的安全隐患；位移检测分析的具体分析过程如下：
事先在扫描区域t中布设若干个位移检测点，设定第二时间段，优选的，第二时间段为七天；获取到第二时间段内扫描区域t中各个位移检测点两两之间的距离变化数据并将其标记为距离偏移幅度；需要说明的是，距离偏移幅度的数值越大，表明对应两组位移检测点之间的距离变化程度越大，越容易出现裂缝等不良状况；将扫描区域t在第二时间段内的所有距离偏移幅度建立距离偏移集合，将距离偏移集合进行求和计算并取均值以得到距偏平均值；
将距离偏移幅度与预设距离偏移幅度阈值进行数值比较，若距离偏移幅度超过预设距离偏移幅度阈值，则将对应距离偏移幅度标记为距离超偏值，且将距离超偏值的数量标记为距超系数；将距离偏移集合中的子集按照数值由大到小的顺序进行排序，将位于首位的子集标记为距离高偏值；
通过公式WYt=a1*JPt+a2*LPt+a3*GPt将距偏平均值JPt、距超系数LPt和距离高偏值GPt进行数值计算得到位移检测值WYt，其中，a1、a2、a3为预设权重系数，a1、a2、a3的取值均大于零；并且，位移检测值WYt的数值越大，则表明对应扫描区域t的位移检测状况越差，扫描区域t越容易出现裂缝等不良状况，越需要重点关注对应扫描区域t并加强监管；
从服务器调取对应的预设位移检测阈值，需要说明的是，若扫描区域t为无损区和受损正常区时，则其所对应的预设位移检测阈值的取值为WY1；若扫描区域t为微损区和受损预警区时，则其所对应的预设位移检测阈值的取值为WY3；其余情况则扫描区域t所对应的预设位移检测阈值的取值为WY2；其中，WY3＞WY2＞WY1＞0；
将位移检测值WYt与对应的预设位移检测阈值进行数值比较，若位移检测值WYt超过预设位移检测阈值，表明对应扫描区域t的位移检测状况较差，则生成对应扫描区域t的位移预警信号，若位移检测值WYt未超过预设位移检测阈值，表明对应扫描区域t的位移检测状况较好，则生成对应扫描区域t的位移安全信号。
本发明的工作原理：使用时，通过墙体监控扫描模块将墙体表面划分为若干个扫描区域，采集到扫描区域t的扫描图像并通过裂缝识别分析以将扫描区域t标记为无损区、微损区或高损区，以便后台管理人员详细掌握各个扫描区域的安全风险程度，分析结果更加精准，有效避免因检查者的疏忽或技术不足而产生误判的问题，减小监测难度并提高管理效率，以及通过分析生成扫描高风险信号或扫描低风险信号，有助于及时作出相应的管理措施，避免发生安全事故；在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，据此以生成受损预警信号或受损安全信号，以及通过区域位移检测分析模块将扫描区域t进行位移检测分析，据此以生成扫描区域t的位移预警信号或位移安全信号，能够准确反映各个扫描区域的变化情况，能够准确预测和预警墙体的安全隐患程度，有利于管理人员及时且针对性的作出相应管控措施，从而进一步降低墙体混凝土的安全隐患。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，包括服务器、墙体监控扫描模块、墙体周期受损评估模块以及区域位移检测分析模块；墙体监控扫描模块将墙体表面划分为若干个扫描区域，将对应扫描区域标记为t，且t为大于1的自然数；通过摄像头对墙体进行监控扫描，采集到扫描区域t的扫描图像并通过裂缝识别分析以将扫描区域t标记为无损区、微损区或高损区，以及通过分析生成扫描高风险信号或扫描低风险信号，将扫描高风险信号经服务器发送至后台管控终端；
在生成扫描低风险信号时，通过墙体周期受损评估模块将墙体进行周期受损评估分析，据此以生成受损预警信号或受损安全信号，且将受损预警信号经服务器发送至后台管控终端；区域位移检测分析模块将扫描区域t进行位移检测分析，据此以生成扫描区域t的位移预警信号或位移安全信号，将位移预警信号以及对应扫描区域t经服务器发送至后台管控终端；
裂缝识别分析的具体分析过程如下：
对扫描区域t的扫描图像进行预处理，预处理操作包括去噪、增强、填充孔洞和去除多余部分；提取出墙体的特征，墙体特征包括轮廓和表面特征；根据提取的特征对墙体进行裂缝检测，若扫描区域t中未检测到裂缝，则将扫描区域t标记为无损区；
若扫描区域t中存在裂缝，则对检测到的裂缝进行识别和分类，裂缝种类包括龟裂型裂缝和延伸型裂缝；若对应裂缝为龟裂型裂缝，则采集到对应裂缝的龟裂扩散面积以及龟裂平均深度，将龟裂扩散面积和龟裂平均深度与预设龟裂扩散面积阈值和预设龟裂平均深度阈值分别进行数值比较，若龟裂扩散面积或龟裂平均深度超过对应预设阈值，则将对应裂缝标记为高危裂缝；否则将对应裂缝标记为低危裂缝；
若对应裂缝为延伸型裂缝，则采集到对应裂缝的延伸路径距离值、最大裂口深度值和最大裂口宽度值，以及获取到最大裂口深度和最大裂口宽度所处位置，若两者处于同一位置，则向其分配区位影响值p1，若两者未处于同一位置，则向其分配区位影响值p2，且p1＞p2＞0；将延伸路径距离值、最大裂口深度值和最大裂口宽度值相乘，且将乘积值与对应的区位影响值相乘以得到延伸检测值；若延伸检测值超过预设延伸检测阈值，则将对应裂缝标记为高危裂缝，否则将对应裂缝标记为低危裂缝；
若扫描区域t中存在高危裂缝，则将扫描区域t标记为高损区；若扫描区域t中不存在高危裂缝，则采集到扫描区域t中低危裂缝的数量并将其标记为扫描分析值；若扫描分析值超过预设扫描分析阈值，则将扫描区域t标记为高损区，若扫描分析值未超过预设扫描分析阈值，则将扫描区域t标记为微损区；
在将扫描区域t标记为无损区、微损区或高损区后，若墙体表面存在高损区，则生成扫描高风险信号；
若墙体表面不存在高损区，则将微损区的数量与无损区的数量进行比值计算得到微损分析值；基于所有微损区的位置以获取到微损区最大毗连数量，并将其标记为微损聚集值；将微损分析值和微损聚集值进行数值计算得到墙体评估值，若墙体评估值超过预设墙体评估阈值，则生成扫描高风险信号；若墙体评估值未超过预设墙体评估阈值，则生成扫描低风险信号。
2.根据权利要求1所述的一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，周期受损评估分析的具体分析过程包括：
设定第一时间段，采集到第一时间段扫描区域t每日的最大温度值和最小温度值，将最大温度值和最小温度值进行差值计算得到温差值，同理获取到湿差值；以及获取到扫描区域t每日未处于预设适宜温度范围的时长并将其标记为温时值，同理获取到湿时值；
且获取到第一时间段扫描区域t每日的应力变化曲线，据此以得到扫描区域t对应日期的应力平均值，将应力平均值与预设应力平均值范围的中值进行差值计算得到应力表现值；将扫描区域t对应日期的温差值、温时值、湿差值、湿时值和应力表现值进行归一化计算得到日损分析值，将扫描区域t在第一时间段的所有日损分析值进行求和计算并取均值得到日损平均值；
将所有扫描区域的日损平均值进行均值计算和方差计算得到日损评估值和日损离散值；若日损评估值超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，则生成受损预警信号；若日损评估值未超过预设日损评估阈值且日损离散值未超过预设日损离散阈值，则生成受损安全信号；
其余情况则从服务器获取到受损预警区的数量和受损正常区的数量，将受损预警区的数量与受损正常区的数量进行比值计算得到受损分析值；若受损分析值超过预设受损分析阈值，则生成受损预警信号，若受损分析值未超过预设受损分析阈值，则生成受损安全信号。
3.根据权利要求2所述的一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，服务器通信连接区域受损识别模块，服务器生成受损识别分类信号并将受损识别分类信号发送至区域受损识别模块；区域受损识别模块接收到受损识别分类信号时，将扫描区域t进行区域识别分类，据此以将扫描区域t标记为受损正常区或受损预警区，且将受损预警区经服务器发送至后台管控终端。
4.根据权利要求3所述的一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，区域识别分类的具体分类过程如下：
将扫描区域t的日损平均值与预设日损平均值阈值进行数值比较，若日损平均值超过预设日损平均值阈值，则将其标记为受损预警区；若日损平均值未超过预设日损平均值阈值，则将第一时间段内扫描区域t的所有日损分析值按照数值由大到小进行排序，将位于首位的日损分析值标记为日损高幅值；将超过预设日损平均值阈值的日损分析值数量标记为日损数表值；
将扫描区域t的日损平均值、日损高幅值和日损数表值进行数计算得到日损校验值；若日损校验值超过预设日损校验阈值，则将扫描区域t标记为受损预警区；若日损校验值未超过预设日损校验阈值，则将扫描区域t标记为受损正常区。
5.根据权利要求1所述的一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，位移检测分析的具体分析过程包括：
事先在扫描区域t中布设若干个位移检测点，设定第二时间段，获取到第二时间段内扫描区域t中各个位移检测点两两之间的距离变化数据并将其标记为距离偏移幅度；将扫描区域t在第二时间段内的所有距离偏移幅度建立距离偏移集合，将距离偏移集合进行求和计算并取均值以得到距偏平均值；
若距离偏移幅度超过预设距离偏移幅度阈值，则将对应距离偏移幅度标记为距离超偏值，且将距离超偏值的数量标记为距超系数；将距离偏移集合中的子集按照数值由大到小的顺序进行排序，将位于首位的子集标记为距离高偏值；将距偏平均值、距超系数和距离高偏值进行数值计算得到位移检测值，若位移检测值超过预设位移检测阈值，则生成对应扫描区域t的位移预警信号，若位移检测值未超过预设位移检测阈值，则生成对应扫描区域t的位移安全信号。
6.根据权利要求5所述的一种基于数据分析的墙体混凝土裂缝监测预警系统，其特征在于，若扫描区域t为无损区和受损正常区时，则其所对应的预设位移检测阈值的取值为WY1；若扫描区域t为微损区和受损预警区时，则其所对应的预设位移检测阈值的取值为WY3；其余情况则扫描区域t所对应的预设位移检测阈值的取值为WY2；其中，WY3＞WY2＞WY1＞0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311261963.2A CN116990310B (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据分析的墙体混凝土裂缝监测预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311261963.2A CN116990310B (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据分析的墙体混凝土裂缝监测预警系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116990310A true CN116990310A (zh) | 2023-11-03 |
| CN116990310B CN116990310B (zh) | 2023-12-08 |
Family
ID=88527025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311261963.2A Active CN116990310B (zh) | 2023-09-27 | 2023-09-27 | 一种基于数据分析的墙体混凝土裂缝监测预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116990310B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117458010A (zh) * | 2023-12-20 | 2024-01-26 | 超耐斯(深圳)新能源集团有限公司 | 一种基于数据分析的锂电池储能监控系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001138464A (ja) * | 1999-11-16 | 2001-05-22 | Toyobo Co Ltd | 光学用易接着フィルム |
| JP2008209231A (ja) * | 2007-02-26 | 2008-09-11 | Metropolitan Expressway Co Ltd | 鋼床版のデッキ内の亀裂の探傷のための探触子ホルダ、探傷装置及び探傷方法 |
| JP2010223597A (ja) * | 2009-03-19 | 2010-10-07 | Nippon Steel Corp | 表面欠陥検査装置及び表面欠陥検査方法 |
| CN203869664U (zh) * | 2014-02-28 | 2014-10-08 | 河南省交通科学技术研究院有限公司 | 混凝土表面裂缝宽度测量标记贴片 |
| CN108154498A (zh) * | 2017-12-06 | 2018-06-12 | 深圳市智能机器人研究院 | 一种裂缝缺陷检测系统及其实现方法 |
| US20200175352A1 (en) * | 2017-03-14 | 2020-06-04 | University Of Manitoba | Structure defect detection using machine learning algorithms |
| CN112774849A (zh) * | 2020-12-24 | 2021-05-11 | 中国水利水电第九工程局有限公司 | 立轴式破碎机自动变频调控方法 |
| KR102327812B1 (ko) * | 2021-05-21 | 2021-11-18 | 주식회사 디에스기술원 | 안전 진단을 위한 콘크리트 균열의 표시 및 검사를 위한 안전 진단 장치 및 방법 |
| RU2764607C1 (ru) * | 2020-11-19 | 2022-01-18 | Публичное акционерное общество "Газпром" | Способ проведения неразрушающего контроля цилиндрических объектов и автоматизированный комплекс для его реализации |
| CN115682957A (zh) * | 2021-07-22 | 2023-02-03 | 蓝清 | 一种混凝土裂缝检测方法及装置 |
| CN116665204A (zh) * | 2023-07-21 | 2023-08-29 | 山东兴诺工贸股份有限公司 | 一种基于数据分析的玻璃杯破损检测系统 |
-
2023
- 2023-09-27 CN CN202311261963.2A patent/CN116990310B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001138464A (ja) * | 1999-11-16 | 2001-05-22 | Toyobo Co Ltd | 光学用易接着フィルム |
| JP2008209231A (ja) * | 2007-02-26 | 2008-09-11 | Metropolitan Expressway Co Ltd | 鋼床版のデッキ内の亀裂の探傷のための探触子ホルダ、探傷装置及び探傷方法 |
| JP2010223597A (ja) * | 2009-03-19 | 2010-10-07 | Nippon Steel Corp | 表面欠陥検査装置及び表面欠陥検査方法 |
| CN203869664U (zh) * | 2014-02-28 | 2014-10-08 | 河南省交通科学技术研究院有限公司 | 混凝土表面裂缝宽度测量标记贴片 |
| US20200175352A1 (en) * | 2017-03-14 | 2020-06-04 | University Of Manitoba | Structure defect detection using machine learning algorithms |
| CN108154498A (zh) * | 2017-12-06 | 2018-06-12 | 深圳市智能机器人研究院 | 一种裂缝缺陷检测系统及其实现方法 |
| RU2764607C1 (ru) * | 2020-11-19 | 2022-01-18 | Публичное акционерное общество "Газпром" | Способ проведения неразрушающего контроля цилиндрических объектов и автоматизированный комплекс для его реализации |
| CN112774849A (zh) * | 2020-12-24 | 2021-05-11 | 中国水利水电第九工程局有限公司 | 立轴式破碎机自动变频调控方法 |
| KR102327812B1 (ko) * | 2021-05-21 | 2021-11-18 | 주식회사 디에스기술원 | 안전 진단을 위한 콘크리트 균열의 표시 및 검사를 위한 안전 진단 장치 및 방법 |
| CN115682957A (zh) * | 2021-07-22 | 2023-02-03 | 蓝清 | 一种混凝土裂缝检测方法及装置 |
| CN116665204A (zh) * | 2023-07-21 | 2023-08-29 | 山东兴诺工贸股份有限公司 | 一种基于数据分析的玻璃杯破损检测系统 |
Non-Patent Citations (3)
| Title |
|---|
| CHUN-LI LIN等: "Estimation of the Failure Risk of a Maxillary Premolar with Different Crack Depths with Endodontic Treatment by Computer-aided Design/Computer-aided Manufacturing Ceramic Restorations", 《JOURNAL OF ENDODONTICS》 * |
| 宋永佳等: "孔隙介质中平面应变剪切裂纹亚音速扩展", 《2018年全国固体力学学术会议摘要集（上）》 * |
| 徐凡等: "基于改进型TridentNet输电设备本体图像缺陷检测方法", 《电力信息与通信技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117458010A (zh) * | 2023-12-20 | 2024-01-26 | 超耐斯(深圳)新能源集团有限公司 | 一种基于数据分析的锂电池储能监控系统 |
| CN117458010B (zh) * | 2023-12-20 | 2024-04-02 | 超耐斯(深圳)新能源集团有限公司 | 一种基于数据分析的锂电池储能监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116990310B (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116990310B (zh) | 一种基于数据分析的墙体混凝土裂缝监测预警系统 | |
| US11634987B2 (en) | Safety early warning method and device for full-section tunneling of tunnel featuring dynamic water and weak surrounding rock | |
| CN113295312B (zh) | 基于bim的桥梁施工应力检测方法及系统 | |
| CN110133639B (zh) | 一种传力杆施工质量检测方法 | |
| CN114814956B (zh) | 基于渗漏浸润区域特征的土石坝深埋病害定位方法与装置 | |
| CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
| CN116894610B (zh) | 一种基于混凝土激光整平机的路面整平质量分析管理系统 | |
| CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
| CN116291724A (zh) | 一种用于公路隧道施工的实时预警检测方法及系统 | |
| CN113720914B (zh) | 超声波探伤系统及超声波探伤方法 | |
| CN116152202A (zh) | 基于图像识别技术和红外热成像技术的设备外观检测系统 | |
| CN114312905B (zh) | 一种道岔尖轨形态图像实时监测装置 | |
| Kargah-Ostadi et al. | Evaluation framework for automated pavement distress identification and quantification applications | |
| CN115394060A (zh) | 基于互联网的煤矿综采工作面ai视频智能监控系统 | |
| CN109212033A (zh) | 一种高速轨道内部伤损的超声图像检测方法 | |
| CN117233541B (zh) | 一种配电网电力线路运行状态测量方法及测量系统 | |
| CN111784785B (zh) | 一种桥梁动态位移识别方法 | |
| CN116691152A (zh) | 一种基于人工智能的印刷颜色质量管理系统 | |
| CN116337873B (zh) | 一种道路桥隧测量系统 | |
| CN102004076A (zh) | 一种皮棉中异性纤维的检测方法和系统 | |
| CN108647864B (zh) | 老旧架空地线腐蚀度多维采集与评测方法 | |
| CN112033335B (zh) | 一种铁路轨距尺智能化监测预警系统及方法 | |
| Scheffy et al. | Asphalt concrete fatigue crack monitoring and analysis using digital image analysis techniques | |
| CN106758715A (zh) | 一种基于图像识别结果的路面小修工程量的测算方法 | |
| CN117548494B (zh) | 一种轧钢加工自动报号智能管理系统 |
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 |