CN117095312A - 一种钢结构的腐蚀监测方法及装置 - Google Patents

一种钢结构的腐蚀监测方法及装置 Download PDF

Info

Publication number
CN117095312A
CN117095312A CN202310914894.4A CN202310914894A CN117095312A CN 117095312 A CN117095312 A CN 117095312A CN 202310914894 A CN202310914894 A CN 202310914894A CN 117095312 A CN117095312 A CN 117095312A
Authority
CN
China
Prior art keywords
corrosion
component
steel structure
image
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310914894.4A
Other languages
English (en)
Inventor
路克勤
段振
陈茁
郝绍金
蔡礼雄
黄兴红
陈伟
吴文兵
严行
周庆昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Construction Seventh Engineering Division Corp Ltd
Original Assignee
China Construction Seventh Engineering Division Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Construction Seventh Engineering Division Corp Ltd filed Critical China Construction Seventh Engineering Division Corp Ltd
Priority to CN202310914894.4A priority Critical patent/CN117095312A/zh
Publication of CN117095312A publication Critical patent/CN117095312A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Remote Sensing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Primary Health Care (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明提供一种钢结构的腐蚀监测方法及装置，属于钢结构监测技术领域，所述方法包括：用移动采集设备获取目标钢结构中各构件的构件图像以及所述构件图像所对应的构件定位信息；将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。本发明提供的钢结构的腐蚀监测方法及装置，提高了钢结构的腐蚀监测效率、降低了检测成本以及实现了更加直观便捷的监测。

Description

一种钢结构的腐蚀监测方法及装置
技术领域
本发明涉及钢结构监测技术领域，尤其涉及一种钢结构的腐蚀监测方法及装置。
背景技术
钢结构易产生腐蚀问题，影响结构安全。大跨度或高层的钢结构在维护阶段发生腐蚀问题，维护人员难以通过人工巡检发现并通过相应技术手段解决。
通过在钢结构的关键构件处，固设多个监测点可以实现对构件的腐蚀性监测。但是，监测点仍然是对固定的点位进行监测，对钢结构的难以进行整体把握，当固设的监测点过多时，监测点的设置以及维护成本较高，并且难以整体直观实现对钢结构的监测。
因此，亟需一种新的钢结构腐蚀监测方案，实现对钢结构的监测。
发明内容
本发明提供一种钢结构的腐蚀监测方法及装置，用以解决现有技术中的监测效率低、成本高以及不直观的缺陷中的至少一种。
第一方面，本发明提供一种钢结构的腐蚀监测方法，包括：用移动采集设备获取目标钢结构中各构件的构件图像以及所述构件图像所对应的构件定位信息；将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
根据本发明提供的一种钢结构的腐蚀监测方法，在对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准之前，还包括：根据目标钢结构的施工图纸，建立所述目标钢结构的初始BIM模型；将所述目标钢结构的每个构件的坐标信息导入至初始BIM模型，形成BIM模型；所述BIM模型中的每个BIM构件与目标钢结构的每个构件一一对应。
根据本发明提供的一种钢结构的腐蚀监测方法，将任一构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定所述任一构件图像对应的构件的腐蚀等级信息，包括：利用深度学习算法，提取所述任一构件图像的图像特征；通过特征比对方式，从腐蚀图像样本中确定出与所述任一构件图像的特征相似度最高的目标腐蚀图像样本；将所述目标腐蚀图像样本的腐蚀等级信息作为所述任一构件图像对应的构件的腐蚀等级信息。
根据本发明提供的一种钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，包括：将所述构件图像贴图至对应的BIM构件形成目标BIM模型，并通过腐蚀监管系统对所述目标BIM模型进行展示。
根据本发明提供的一种钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，还包括：根据所述构件的腐蚀等级信息，确定所述构件在当前腐蚀等级下对应的预设数值集合；所述预设数值集合包括多个预设的力学性能评价指标的预设数值；在所述预设数值集合中的至少一个预设数值小于对应的预设阈值的情况下，生成所述构件的预警信息；所述预设阈值与所述预设数值一一对应，并且所述预设阈值是根据所述构件在保证目标钢结构安全工作的情况下的力学性能指标的数值确定的；利用所述腐蚀监管系统进行预警信息以及对应的维护措施信息的推送。
根据本发明提供的一种钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，还包括：响应于移动终端的查询指令信息，利用所述腐蚀监管系统将与所述查询指令信息相关的构件图像和腐蚀等级信息，发送至所述移动终端。
根据本发明提供的一种钢结构的腐蚀监测方法，所述移动采集设备为具有定位和拍照功能的无人机。
第二方面，本发明还提供一种钢结构的腐蚀监测装置，包括：
移动采集设备，获取目标钢结构各构件的构件图像以及所述构件图像所对应的构件定位信息；
BIM模型成型设备，包括BIM模型成型软件，用于形成目标钢结构BIM模型；
电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述钢结构的腐蚀监测方法的步骤；
第一处理模块，用于获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；
第二处理模块，用于将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；
第三处理模块，用于对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；
第四处理模块，用于基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
本发明提供的钢结构的腐蚀监测方法及装置，首先通过移动采集设备进行构建图像与定位信息的采集，相较于固设多个监测点进行数据采集的方式，大大降低了数据采集的成本；其次，利用图像识别算法确定构件图像对应的腐蚀等级信息，相较于人为进行腐蚀等级的判别的方式，大大提高的识别效率以及识别精度；进一步地，通过定位坐标与坐标信息配准的方式，进行目标钢结构的构件图像和腐蚀等级信息与BIM构件的关联，并配置开发相应的腐蚀监管系统，进行BIM模型数据与具体的腐蚀情况数据的整合，实现了对目标钢结构更加直观高效的监管。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明提供的钢结构的腐蚀监测方法的流程示意图之一；
图2是本发明提供的钢结构的腐蚀监测方法的流程示意图之二；
图3是本发明提供的钢结构的腐蚀预警的流程示意图；
图4是本发明提供的钢结构的腐蚀监测装置的结构示意图；
图5是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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。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。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。
下面结合图1-图5描述本发明实施例所提供的钢结构的腐蚀监测方法和装置。
图1是本发明提供的钢结构的腐蚀监测方法的流程示意图之一，如图1所示，包括但不限于以下步骤：
步骤101：获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息。
其中，目标钢结构可以为一个室外大型体育场项目的钢结构。
可以理解的是，移动采集设备具有定位和拍照功能。即移动采集设备在利用其自身的拍照模块采集目标钢结构的每个构件的构件图像时，可以利用定位模块实时的获取定位信息。定位信息可以为GPS数据或其他定位数据。
可选的，拍照模块为高清相机，定位模块为GPS、北斗、Galileo或GLONASS硬件模块中的一种或者多种的组合。
具体地，由于GPS精度具有局限性，本发明可根据不同地区的基站和卫星信号测站情况选取搭载北斗、Galileo或GLONASS硬件模块的移动采集设备，或者选取搭载多个GNSS模块的移动采集设备，提高硬件设备定位精度。对于较为密闭的工程项目，可通过预埋传感器的方式，实现毫米级的定位能力。
可选的，所述移动采集设备为具有定位和拍照功能的无人机。无人机的具体型号可以根据实际需要进行选择。
步骤102：将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息。
其中，腐蚀图像样本数据库是本发明的技术人员（管理人员）预先建立的，所述腐蚀图像样本数据库中包括不同腐蚀等级的腐蚀图像样本，即构件图像样本。
进一步地，该腐蚀图像样本数据库，可以基于所采集的构件图像进行不断的优化以及扩充。
具体的腐蚀等级可以根据腐蚀面积、腐蚀深度以及腐蚀颜色深浅以及失重量等参数进行预先确定。例如，根据腐蚀的严重程度从轻到重将腐蚀等级从低到高分为：A、B、C和D四个等级。当然，腐蚀等级的划分可以根据实际需要进行设置，例如，为了可以更加准确的反映钢结构的腐蚀状况，可以增加腐蚀等级的等级。
通过图像识别算法，可以对构件的构件图像与腐蚀图像样本进行特征对比，以实现构建的腐蚀等级的确定。
步骤103：对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联。
其中，BIM模型为预先建立的目标钢结构的建筑信息模型（Building InformationModeling，BIM）。
坐标配准方面，本发明可以利用Revit API软件调用现有的坐标配准算法将移动采集设备采集的定位信息与BIM构件的坐标信息进行坐标配准。
进一步地，本发明可通过在移动采集设备上搭载测距仪和加速度传感器等实用硬件优化设备，采集更多的数据，以提高坐标配准的精度。
可以理解的是，坐标配准可以确定目标钢结构的每个构件对应的BIM模型中的每个BIM构件，从而实现每个构件的构件图像和腐蚀等级信息与每个BIM构件的关联。
具体地，可以建立腐蚀监管系统实现BIM构件与对应构件的构件图像和腐蚀等级信息的整合。
步骤104：基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
腐蚀监管系统可以基于所述BIM模型在WEB端进行配置开发，可以实现运维数据集成、维护管理可视化、应急管理决策、智能运维推送等功能，从而实现对目标钢结构的监测管理。
本发明首先通过移动采集设备进行构建图像与定位信息的采集，相较于固设多个监测点进行数据采集的方式，大大降低了数据采集的成本；其次，利用图像识别算法确定构件图像对应的腐蚀等级信息，相较于人为进行腐蚀等级的判别的方式，大大提高的识别效率以及识别精度；进一步地，通过定位坐标与坐标信息配准的方式，进行目标钢结构的构件图像和腐蚀等级信息与BIM构件的关联，并配置开发相应的腐蚀监管系统，进行BIM模型数据与具体的腐蚀情况数据的整合，实现了对目标钢结构更加直观高效的监管。
图2是本发明提供的钢结构的腐蚀监测方法的流程示意图之二，为了对上述技术方案进行进一步的说明，下面结合图2以及具体的实施例，对本发明的可行的方案进行介绍。
作为一种可选的实施例，本发明提供的钢结构的腐蚀监测方法，在对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准之前，还包括：根据目标钢结构的施工图纸，建立所述目标钢结构的初始BIM模型；将所述目标钢结构的每个构件的坐标信息导入至初始BIM模型，形成BIM模型。
可以理解的是，所述BIM模型中的每个BIM构件与目标钢结构的每个构件一一对应，并且，每个BIM构件均具有对应的每个构件的坐标信息。
进一步地，针对目标钢结构的可能存在的异性结构及复杂节点，本发明可以针对复杂的构件进行单独建模，使BIM模型更加的精细化，以提高腐蚀监管系统的数据精度。
作为一种可选的实施例，本发明提供的钢结构的腐蚀监测方法，将任一构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定所述任一构件图像对应的构件的腐蚀等级信息，包括：利用深度学习算法，提取所述任一构件图像的图像特征；通过特征比对方式，从腐蚀图像样本中确定出与所述任一构件图像的特征相似度最高的目标腐蚀图像样本；将所述目标腐蚀图像样本的腐蚀等级信息作为所述任一构件图像对应的构件的腐蚀等级信息。
其中，深度学习算法可以为VGG-16、ResNet以及RCNN等算法。通过实验可以证实上述算法在腐蚀等级的识别方面有较好的效果。
进一步地，为了提高图像识别的精度本发明在对构件图像（腐蚀图像）进行识别之前，可以对腐蚀图像进行中值滤波、均值滤波等方法进行降噪处理。
作为一种可选的实施例，本发明提供的钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，包括：将所述构件图像贴图至对应的BIM构件形成目标BIM模型，并通过腐蚀监管系统对所述目标BIM模型进行展示。
可选的，所述腐蚀监管系统具有显示模块，用于对贴图后形成的目标BIM模型进行展示，也即可以实现腐蚀等级信息的展示，可以更加直观具体的展示目标钢结构的整体的腐蚀情况。
可选的，本发明中的腐蚀监管系统可以设置目标钢结构的腐蚀信息数据库，实现腐蚀信息的查询；并且不同时间段采集到的腐蚀情况信息（构建图像以及腐蚀等级信息）建立目标钢结构的腐蚀历程数据。
作为一种可选的实施例，图3是本发明提供的钢结构的腐蚀预警的流程示意图，如图3所示，本发明提供的钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，还包括以下步骤：
步骤301：根据所述构件的腐蚀等级信息，确定所述构件在当前腐蚀等级下对应的预设数值集合。
其中，所述预设数值集合包括多个预设的力学性能评价指标的预设数值。
例如，多个预设的力学性能评价指标为：抗压强度、抗拉强度、抗剪强度、抗扭强度。根据腐蚀等级信息确定某一构件，可设为构件p，其腐蚀等级为B。腐蚀等级B对应的抗压强度、抗拉强度、抗剪强度、抗扭强度的预设数值分别为：b1、b2、b3和b4。
步骤302：在所述预设数值集合中的至少一个预设数值小于对应的预设阈值的情况下，生成所述构件的预警信息。
其中，所述预设阈值与所述预设数值一一对应，并且所述预设阈值是根据所述构件在保证目标钢结构安全工作的情况下的力学性能指标的数值确定的。
例如，上述构件p在保证目标钢结构安全工作的情况下，其抗压强度、抗拉强度、抗剪强度、抗扭强度的数值为x1、x2、x3和x4；则构件p的抗压强度、抗拉强度、抗剪强度、抗扭强度对应的预设阈值可以设置为e×x1、e×x2、e×x3和e×x4；其中，e为一个常数系数。
可选的，e=0.8，则力学性能指标对应的预设阈值分别为0.8x1、0.8x2、0.8x3和0.8x4。
例如，在b1小于0.8x1、b2大于0.8x2、b3等于0.8x3和b4大于0.8x4的情况下，满足预设数值集合中的至少一个预设数值小于对应的预设阈值，则生成对构件p的预警信息。
步骤303：利用所述腐蚀监管系统进行预警信息以及对应的维护措施信息的推送。
其中，预警信息可以包括构件的腐蚀等级信息，坐标信息等。其中，腐蚀监管系统（web端管理系统）推送的维护措施信息可以为针对腐蚀等级信息设置的，以便于维修人员采取对应的维护措施对指定的构件进行维修。
作为一种可选的实施例，本发明提供的钢结构的腐蚀监测方法，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，包括：响应于移动终端的查询指令信息，利用所述腐蚀监管系统将与所述查询指令信息相关的构件图像和腐蚀等级信息，发送至所述移动终端。
其中，移动终端可以为手机或者平板电脑等智能移动设备，维护人员即可通过移动端或者web端实现目标钢结构的腐蚀状况的监测以及管理。
综上所述，本发明提供了一种基于BIM和机器视觉的钢结构腐蚀监测方法，具有自动化水平高、操作简单、硬件需求量小及安全便捷等优点，能够实现以下效果：
（1）本发明的管理人员操控搭载高清摄像头和GPS模块的移动采集设备（如无人机），能够轻易到达人工巡检难以到达的高层钢结构或大跨度钢结构，保障人员的安全。
（2）本发明通过设备一次性能够获取大量的图像数据并进行处理，在腐蚀识别的效率和精度上远优于传统的人工定向巡检。
（3）本发明使用深度学习的方法识别腐蚀图像，确定腐蚀等级，并且能够不断拓展腐蚀图像数据库，不断提高识别精度。
（4）本发明利用BIM二次开发的方式将数据整合至钢结构腐蚀监管系统并使结构可视化。管理维护人员能够实时地、直观地了解到各部位的腐蚀状况，也能通过管理系统的数据库查询其腐蚀历程，以此为依据制定出最优的结构维护方案，从而保障钢结构整体安全。
（5）除此外，本发明使用BIM管理系统的优势还在于其可拓展性，根据工程的具体需求拓展管理系统的功能，如对复杂节点和关键构件单独建模功能、不同腐蚀钢构件的力学性能数据并实现结构安全预警功能等。
图4是本发明提供的钢结构的腐蚀监测装置的结构示意图，如图4所示，所述装置包括：第一处理模块401、第二处理模块402、第三处理模块403以及第四处理模块404。
第一处理模块401，用于获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；
第二处理模块402，用于将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；
第三处理模块403，用于对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；
第四处理模块404，用于基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
需要说明的是，本发明实施例提供的钢结构的腐蚀监测装置，在具体运行时，可以执行上述任一实施例所述的钢结构的腐蚀监测方法，对此本实施例不作赘述。
图5是本发明提供的电子设备的结构示意图，如图5所示，该电子设备可以包括：处理器（processor）510、通信接口（communications interface）520、存储器（memory）530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行钢结构的腐蚀监测方法，该方法包括：获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各实施例所提供的钢结构的腐蚀监测方法，该方法包括：获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的钢结构的腐蚀监测方法，该方法包括：获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种钢结构的腐蚀监测方法，其特征在于，包括：
用移动采集设备获取目标钢结构中各构件的构件图像以及所述构件图像所对应的构件定位信息；
将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；
对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；
腐蚀监管系统，包括移动采集设备与腐蚀图像样本数据库；
基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管。
2.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，在对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准之前，还包括：
根据目标钢结构的施工图纸，建立所述目标钢结构的初始BIM模型；
所述BIM模型中的每个BIM构件与目标钢结构的每个构件一一对应。
3.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，将任一构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定所述任一构件图像对应的构件的腐蚀等级信息，包括：
利用深度学习算法，提取所述任一构件图像的图像特征；
通过特征比对方式，从腐蚀图像样本中确定出与所述任一构件图像的特征相似度最高的目标腐蚀图像样本；
将所述目标腐蚀图像样本的腐蚀等级信息作为所述任一构件图像对应的构件的腐蚀等级信息。
4.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，包括：
将所述构件图像贴图至对应的BIM构件形成目标BIM模型，并通过腐蚀监管系统对所述目标BIM模型进行展示。
5.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，还包括：
根据所述构件的腐蚀等级信息，确定所述构件在当前腐蚀等级下对应的预设数值集合；所述预设数值集合包括多个预设的力学性能评价指标的预设数值；
在所述预设数值集合中的至少一个预设数值小于对应的预设阈值的情况下，生成所述构件的预警信息；所述预设阈值与所述预设数值一一对应，并且所述预设阈值是根据所述构件在保证目标钢结构安全工作的情况下的力学性能指标的数值确定的；
利用所述腐蚀监管系统进行预警信息以及对应的维护措施信息的推送。
6.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，基于所述BIM模型配置腐蚀监管系统，以对所述目标钢结构的腐蚀状况进行监管，还包括：
响应于移动终端的查询指令信息，利用所述腐蚀监管系统将与所述查询指令信息相关的构件图像和腐蚀等级信息，发送至所述移动终端。
7.根据权利要求1所述的钢结构的腐蚀监测方法，其特征在于，所述移动采集设备为具有定位和拍照功能的无人机。
8.一种钢结构的腐蚀监测装置，其特征在于，包括：
移动采集设备，获取目标钢结构各构件的构件图像以及所述构件图像所对应的构件定位信息；
BIM模型成型设备，包括BIM模型成型软件，用于形成目标钢结构BIM模型；
电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述钢结构的腐蚀监测方法的步骤；
处理器，包括第一处理模块、第二处理模块、第三处理模块、第四处理模块；
第一处理模块，用于获取移动采集设备采集的目标钢结构的每个构件的构件图像以及所述构件图像所对应的定位信息；
第二处理模块，用于将每个构件图像与腐蚀图像样本数据库中的腐蚀图像样本进行图像特征比对，确定每个构件图像对应的构件的腐蚀等级信息；
第三处理模块，与BIM模型成型设备控制连接，用于对所述定位信息与所述目标钢结构的BIM模型中每个BIM构件的坐标信息进行坐标配准，以将每个构件的构件图像和腐蚀等级信息与每个BIM构件进行关联；
第四处理模块，用于基于所述BIM模型配置腐蚀监管系统，对所述目标钢结构的腐蚀状况进行监管。
9.根据权利要求8所述的一种钢结构的腐蚀监测装置，其特征在于，还包括与处理器通讯连接的移动终端，移动终端能够通过指令信息查询相关的构件图像和腐蚀等级信息。
CN202310914894.4A 2023-07-25 2023-07-25 一种钢结构的腐蚀监测方法及装置 Pending CN117095312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310914894.4A CN117095312A (zh) 2023-07-25 2023-07-25 一种钢结构的腐蚀监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310914894.4A CN117095312A (zh) 2023-07-25 2023-07-25 一种钢结构的腐蚀监测方法及装置

Publications (1)

Publication Number Publication Date
CN117095312A true CN117095312A (zh) 2023-11-21

Family

ID=88776091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310914894.4A Pending CN117095312A (zh) 2023-07-25 2023-07-25 一种钢结构的腐蚀监测方法及装置

Country Status (1)

Country Link
CN (1) CN117095312A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118134934A (zh) * 2024-05-08 2024-06-04 浙江大学 基于无人机巡检与bim模型的桥梁病害自动定位方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118134934A (zh) * 2024-05-08 2024-06-04 浙江大学 基于无人机巡检与bim模型的桥梁病害自动定位方法和系统

Similar Documents

Publication Publication Date Title
CN108830837B (zh) 一种用于检测钢包溶蚀缺陷的方法和装置
CN108051450B (zh) 一种基于无人机的桥梁健康检测系统及方法
CN109800697B (zh) 基于VGG-net风格迁移的变压器目标检测与外观缺陷识别方法
CN117095312A (zh) 一种钢结构的腐蚀监测方法及装置
CN111753712A (zh) 电力生产人员安全监测方法、系统以及设备
CN108956638A (zh) 一种用于土木工程结构表观缺陷的评定检测系统
CN116485066B (zh) 基于gis的智慧燃气安全巡线管理方法和物联网系统
CN111896549A (zh) 一种基于机器学习的建筑物裂缝监测系统和方法
CN115146230A (zh) 一种古建筑健康监测系统、方法及设备
CN115373403A (zh) 一种建筑机械设备巡检服务系统
CN113155196A (zh) 一种基于AIoT的桥梁运行实时监测系统及其监测方法
CN115343568A (zh) 电缆巡检的异常识别装置、方法、设备及存储介质
CN113037593A (zh) 基于可视化平台系统的信息显示方法、装置及系统
CN115857536A (zh) 针对车间设备的无人机智能巡检方法、装置、设备及介质
CN113052499B (zh) 一种电力基础设施哑资源管理方法、装置、终端及介质
CN114926795A (zh) 信息关联性的确定方法、装置、设备及介质
CN114584585A (zh) 一种基于物联网的工业设备自诊断系统及方法
CN114740425A (zh) 一种融合路径规划信息的蓝牙定位方法及其系统
CN112598025A (zh) 电力设备目标信息的处理方法、装置、设备和介质
CN115327497B (zh) 雷达检测范围确定方法、装置、电子设备及可读介质
CN114527899B (zh) 基于图件显示环境信息的方法
CN116449761B (zh) 智能泵站智慧控制系统及方法
CN116738351B (zh) 排水设施检测方法及装置
CN116320303B (zh) 一种基于人工智能的监测样地位置调节系统及方法
US20240037424A1 (en) Methods and internet of things (iot) systems for managing operation progresses of smart gas pipeline networks

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