CN117876969B - 一种用于实现桥梁施工下的安全监测方法及系统 - Google Patents
一种用于实现桥梁施工下的安全监测方法及系统 Download PDFInfo
- Publication number
- CN117876969B CN117876969B CN202410269619.6A CN202410269619A CN117876969B CN 117876969 B CN117876969 B CN 117876969B CN 202410269619 A CN202410269619 A CN 202410269619A CN 117876969 B CN117876969 B CN 117876969B
- Authority
- CN
- China
- Prior art keywords
- data
- sequences
- representing
- safety
- sequence
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 179
- 238000012544 monitoring process Methods 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 77
- 230000002159 abnormal effect Effects 0.000 claims abstract description 57
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004075 alteration Effects 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012502 risk assessment Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Abstract
本发明涉及桥梁领域,揭露一种用于实现桥梁施工下的安全监测方法及系统,方法包括:从施工图像中划分桥梁施工下施工场景;利用施工场景对安全监测数据进行数据序列重构,得到重构监测序列;检测重构监测序列中的失常数据,对失常数据进行数据补偿,得到补偿数据,将重构监测序列中的失常数据替换为补偿数据;按照时间顺序对补偿监测序列进行序列分割,得到分割序列,对分割序列中每个分割序列进行安全预警,得到安全预警值;计算分割序列中相邻的分割序列之间的关联系数,利用关联系数计算分割序列中相邻的分割序列之间的安全趋势值,基于安全预警值和安全趋势值,确定桥梁施工下的安全监测结果。本发明可以提升桥梁施工下的安全监测效果。
Description
技术领域
本发明涉及桥梁领域,尤其涉及一种用于实现桥梁施工下的安全监测方法及系统。
背景技术
桥梁施工下的安全监测是指通过传感器采集桥梁施工下的施工数据,再利用所采集的施工数据对桥梁施工下的安全性进行分析的过程,以用于通过智能化手段分析桥梁施工下的安全性。
目前,现有技术对桥梁施工下的安全进行风险评估的方法包括指标分析法和神经网络分析法,指标分析法旨在检测当前采集的传感器数据是否达到标准指标值,若未达到标准指标值,则当前采集的传感器数据出现数据异常,神经网络分析法旨在将所采集的各项传感器数据作为风险分析的因子,从而分析各项传感器数据所影响的最终风险值,但指标分析法和神经网络分析法均是分析当前的数据的风险,而对当前的数据在未来的趋势并未作分析,且传感器出现失灵时会存在失常数据,失常数据会影响桥梁施工下的安全分析。因此,由于不能修补失常数据和分析未来风险趋势,导致桥梁施工下的安全监测效果不好。
发明内容
为了解决上述问题,本发明提供了一种用于实现桥梁施工下的安全监测方法及系统,可以提升桥梁施工下的安全监测效果。
第一方面,本发明提供了一种用于实现桥梁施工下的安全监测方法,包括:
采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果。
在第一方面的一种可能实现方式中,所述从所述施工图像中划分所述桥梁施工下的施工场景,包括:
利用尺度不变特征转换算法提取所述施工图像中的局部特征;
对所述局部特征进行特征聚类,得到特征类群;
基于所述特征类群,利用下述公式计算所述施工图像中的全局特征:
;
其中,表示所述施工图像中的全局特征,/>表示所述特征类群中第/>个局部特征,/>代表所述特征类群中第/>个聚类中心,/>表示局部特征/>与第/>个聚类中心之间的符号函数,N表示局部特征的总数;
利用下述公式计算所述全局特征的场景类别概率:
;
其中,表示所述场景类别概率,/>表示卷积层,/>表示所述施工图像中的全局特征,/>表示池化层,/>表示全连接层,/>表示激活函数;
利用所述场景类别概率识别所述桥梁施工下的施工场景。
在第一方面的一种可能实现方式中,所述利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列,包括:
提取所述施工场景在所述桥梁施工下场景区域;
查询所述安全监测数据中存在于所述场景区域内的目标安全监测数据;
利用下述公式将所述目标安全监测数据转换为所述重构监测序列:
;
其中,表示所述重构监测序列,/>表示所述目标安全监测数据中第1个场景区域内的目标安全监测数据,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量。
在第一方面的一种可能实现方式中,所述检测所述重构监测序列中的失常数据,包括:
采集历史数据中正常数据的正常概率分布和异常数据的异常概率分布;
分别计算所述重构监测序列与所述正常概率分布之间的正常差异值、所述重构监测序列与所述异常概率分布之间的异常差异值;
利用所述正常差异值与所述异常差异值检测所述重构监测序列中的失常数据。
在第一方面的一种可能实现方式中,所述对所述失常数据进行数据补偿,得到补偿数据,包括:
采集所述失常数据在所述重构监测序列中的历史时刻数据;
利用预设的循环神经网络模型分析所述历史时刻数据对应的下一个时刻数据;
将所述下一个时刻数据作为所述补偿数据。
在第一方面的一种可能实现方式中,所述对所述分割序列中每个分割序列进行安全预警,得到安全预警值,包括:
构建所述分割序列中每个分割序列的判断矩阵;
基于所述判断矩阵,利用下述公式计算所述分割序列中每个分割序列的权重矩阵:
;
其中,表示所述权重矩阵,/>表示所述判断矩阵中的重要性,表示所述判断矩阵的列总数,且U=n*m,/>表示所述判断矩阵的行序号,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量;
基于所述权重矩阵,利用下述公式计算所述安全预警值:
;
其中,表示所述安全预警值,/>表示所述权重矩阵,/>表示所述分割序列中施工场景的权重向量。
在第一方面的一种可能实现方式中,所述计算所述分割序列中相邻的分割序列之间的关联系数,包括:
利用下述公式计算所述分割序列中相邻的分割序列之间的关联系数:
;
其中,表示所述关联系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关,/>表示差异度系数,/>表示对立度系数。
在第一方面的一种可能实现方式中,所述利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,包括:
基于所述关联系数,利用下述公式计算所述分割序列中相邻的分割序列之间的同异反系数:
;
其中,表示所述同异反系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关;
基于所述关联系数与所述同异反系数,利用下述公式计算所述分割序列中相邻的分割序列之间的安全趋势值:
;
其中,表示所述安全趋势值,/>表示所述关联系数,/>表示所述同异反系数。
在第一方面的一种可能实现方式中,所述基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果,包括:
基于所述安全预警值,确定所述桥梁施工下的安全等级;
基于所述安全趋势值,确定所述桥梁施工下的安全趋势;
将所述安全等级和所述安全趋势作为所述安全监测结果。
第二方面,本发明提供了一种用于实现桥梁施工下的安全监测系统,所述系统包括:
场景划分模块,用于采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
序列重构模块,用于利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
数据替换模块,用于检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
安全预警模块,用于按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
结果确定模块,用于计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果。
与现有技术相比,本方案的技术原理及有益效果在于:
本发明实施例通过从所述施工图像中划分所述桥梁施工下的施工场景,以用于将属于同一施工场景的监测数据划分在同一序列中,便于后续对每个施工场景进行风险分析,本发明实施例通过利用所述施工场景对所述安全监测数据进行数据序列重构,以用于将属于同一施工场景的数据划分为同一数据序列,本发明实施例通过检测所述重构监测序列中的失常数据,以用于基于故障、失灵时的数据与正常无意外数据之间的差异、故障、失灵时的数据与出现施工风险的异常数据之间的差异,检测传感器装置出现故障、失灵时的数据,本发明实施例通过按照时间顺序对所述补偿监测序列进行序列分割,以用于在后续分析相邻时间段下后一时间段的预警值相对于前一时间段的预警值的变化,从而可以识别桥梁施工下的风险趋势,本发明实施例通过计算所述分割序列中相邻的分割序列之间的关联系数,以用于分析所述分割序列中相邻时间段的两个分割序列之间的关联,本发明实施例通过利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,以用于分析所述分割序列中相邻的两个分割序列所对应的前一时段的安全预警值到下一时段的安全预警值的变化。因此,本发明实施例提出的一种用于实现桥梁施工下的安全监测方法及系统,可以提升桥梁施工下的安全监测效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例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简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种用于实现桥梁施工下的安全监测方法的流程示意图;
图2为本发明一实施例中图1提供的一种用于实现桥梁施工下的安全监测方法的其中一个步骤的示意图;
图3为本发明一实施例中图1提供的一种用于实现桥梁施工下的安全监测方法的另一个步骤的示意图;
图4为本发明一实施例提供的一种用于实现桥梁施工下的安全监测系统的模块示意图。
具体实施方式
应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种用于实现桥梁施工下的安全监测方法,所述用于实现桥梁施工下的安全监测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之,所述用于实现桥梁施工下的安全监测方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示,是本发明一实施例提供的用于实现桥梁施工下的安全监测方法的流程示意图。其中,图1中描述的用于实现桥梁施工下的安全监测方法包括:
S1、采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景。
本发明实施例中,所述施工图像是指通过相机拍摄的现场施工图像。
进一步地,本发明实施例通过从所述施工图像中划分所述桥梁施工下的施工场景,以用于将属于同一施工场景的监测数据划分在同一序列中,便于后续对每个施工场景进行风险分析。
其中,所述施工场景是指所述施工图像不同施工设备、不同施工内容所构成的不同类别的场景,包括浇筑场景、设备移动场景、倒车场景、配重场景、挖坑场景、直埋场景等。
本发明的一实施例中,所述从所述施工图像中划分所述桥梁施工下的施工场景,包括:利用尺度不变特征转换算法提取所述施工图像中的局部特征;对所述局部特征进行特征聚类,得到特征类群;基于所述特征类群,利用下述公式计算所述施工图像中的全局特征:
;
其中,表示所述施工图像中的全局特征,/>表示所述特征类群中第/>个局部特征,/>代表所述特征类群中第/>个聚类中心,/>表示局部特征/>与第/>个聚类中心之间的符号函数,N表示局部特征的总数;
利用下述公式计算所述全局特征的场景类别概率:
;
其中,表示所述场景类别概率,/>表示卷积层,/>表示所述施工图像中的全局特征,/>表示池化层,/>表示全连接层,/>表示激活函数;
利用所述场景类别概率识别所述桥梁施工下的施工场景。
S2、利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列。
本发明实施例中,所述传感器装置包括位移传感器、应力传感器、刚性检测传感器、激光传感器等。
本发明实施例通过利用所述施工场景对所述安全监测数据进行数据序列重构,以用于将属于同一施工场景的数据划分为同一数据序列。
本发明的一实施例中,所述利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列,包括:提取所述施工场景在所述桥梁施工下场景区域;查询所述安全监测数据中存在于所述场景区域内的目标安全监测数据;利用下述公式将所述目标安全监测数据转换为所述重构监测序列:
;
其中,表示所述重构监测序列,/>表示所述目标安全监测数据中第1个场景区域内的目标安全监测数据,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量。
S3、检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列。
本发明实施例通过检测所述重构监测序列中的失常数据,以用于基于故障、失灵时的数据与正常无意外数据之间的差异、故障、失灵时的数据与出现施工风险的异常数据之间的差异,检测传感器装置出现故障、失灵时的数据。
本发明的一实施例中,参阅图2所示,所述检测所述重构监测序列中的失常数据,包括:
S201、采集历史数据中正常数据的正常概率分布和异常数据的异常概率分布;
S202、分别计算所述重构监测序列与所述正常概率分布之间的正常差异值、所述重构监测序列与所述异常概率分布之间的异常差异值;
S203、利用所述正常差异值与所述异常差异值检测所述重构监测序列中的失常数据。
本发明的一实施例中,参阅图3所示,所述对所述失常数据进行数据补偿,得到补偿数据,包括:
S301、采集所述失常数据在所述重构监测序列中的历史时刻数据;
S302、利用预设的循环神经网络模型分析所述历史时刻数据对应的下一个时刻数据;
S303、将所述下一个时刻数据作为所述补偿数据。
S4、按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值。
本发明实施例通过按照时间顺序对所述补偿监测序列进行序列分割,以用于在后续分析相邻时间段下后一时间段的预警值相对于前一时间段的预警值的变化,从而可以识别桥梁施工下的风险趋势。
其中,所述分割序列是指所述补偿监测序列中分时段的序列。
本发明的一实施例中,所述对所述分割序列中每个分割序列进行安全预警,得到安全预警值,包括:构建所述分割序列中每个分割序列的判断矩阵;基于所述判断矩阵,利用下述公式计算所述分割序列中每个分割序列的权重矩阵:
;
其中,表示所述权重矩阵,/>表示所述判断矩阵中的重要性,表示所述判断矩阵的列总数,且U=n*m,/>表示所述判断矩阵的行序号,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量;
基于所述权重矩阵,利用下述公式计算所述安全预警值:
;
其中,表示所述安全预警值,/>表示所述权重矩阵,/>表示所述分割序列中施工场景的权重向量。
S5、计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果。
本发明实施例通过计算所述分割序列中相邻的分割序列之间的关联系数,以用于分析所述分割序列中相邻时间段的两个分割序列之间的关联。
本发明的一实施例中,所述计算所述分割序列中相邻的分割序列之间的关联系数,包括:利用下述公式计算所述分割序列中相邻的分割序列之间的关联系数:
;
其中,表示所述关联系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关,/>表示差异度系数,/>表示对立度系数。
本发明实施例通过利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,以用于分析所述分割序列中相邻的两个分割序列所对应的前一时段的安全预警值到下一时段的安全预警值的变化。
本发明的一实施例中,所述利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,包括:基于所述关联系数,利用下述公式计算所述分割序列中相邻的分割序列之间的同异反系数:
;
其中,表示所述同异反系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关;
基于所述关联系数与所述同异反系数,利用下述公式计算所述分割序列中相邻的分割序列之间的安全趋势值:
;
其中,表示所述安全趋势值,/>表示所述关联系数,/>表示所述同异反系数。
需要说明的是,所述同异反系数是指所述所述分割序列中相邻的两个分割序列在同一性、对立性、差异性上的互相转换关系。
本发明的一实施例中,所述基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果,包括:基于所述安全预警值,确定所述桥梁施工下的安全等级;基于所述安全趋势值,确定所述桥梁施工下的安全趋势;将所述安全等级和所述安全趋势作为所述安全监测结果。
可以看出,本发明实施例通过从所述施工图像中划分所述桥梁施工下的施工场景,以用于将属于同一施工场景的监测数据划分在同一序列中,便于后续对每个施工场景进行风险分析,本发明实施例通过利用所述施工场景对所述安全监测数据进行数据序列重构,以用于将属于同一施工场景的数据划分为同一数据序列,本发明实施例通过检测所述重构监测序列中的失常数据,以用于基于故障、失灵时的数据与正常无意外数据之间的差异、故障、失灵时的数据与出现施工风险的异常数据之间的差异,检测传感器装置出现故障、失灵时的数据,本发明实施例通过按照时间顺序对所述补偿监测序列进行序列分割,以用于在后续分析相邻时间段下后一时间段的预警值相对于前一时间段的预警值的变化,从而可以识别桥梁施工下的风险趋势,本发明实施例通过计算所述分割序列中相邻的分割序列之间的关联系数,以用于分析所述分割序列中相邻时间段的两个分割序列之间的关联,本发明实施例通过利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,以用于分析所述分割序列中相邻的两个分割序列所对应的前一时段的安全预警值到下一时段的安全预警值的变化。因此,本发明实施例提出的一种用于实现桥梁施工下的安全监测方法可以提升桥梁施工下的安全监测效果。
如图4所示,是本发明用于实现桥梁施工下的安全监测系统功能模块图。
本发明所述用于实现桥梁施工下的安全监测系统400可以安装于电子设备中。根据实现的功能,所述用于实现桥梁施工下的安全监测系统可以包括场景划分模块401、序列重构模块402、数据替换模块403、安全预警模块404以及结果确定模块405。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本发明实施例中,关于各模块/单元的功能如下:
所述场景划分模块401,用于采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
所述序列重构模块402,用于利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
所述数据替换模块403,用于检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
所述安全预警模块404,用于按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
所述结果确定模块405,用于计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果。
详细地,本发明实施例中所述用于实现桥梁施工下的安全监测系统400中的所述各模块在使用时采用与上述的图1至图3中所述的用于实现桥梁施工下的安全监测方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
本发明还提供一种存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种用于实现桥梁施工下的安全监测方法,其特征在于,所述方法包括:
采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果;
所述利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列,包括:
提取所述施工场景在所述桥梁施工下场景区域;
查询所述安全监测数据中存在于所述场景区域内的目标安全监测数据;
利用下述公式将所述目标安全监测数据转换为所述重构监测序列:
;
其中,表示所述重构监测序列,/>表示所述目标安全监测数据中第1个场景区域内的目标安全监测数据,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量;
所述利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,包括:
基于所述关联系数,利用下述公式计算所述分割序列中相邻的分割序列之间的同异反系数:
;
其中,表示所述同异反系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关;
基于所述关联系数与所述同异反系数,利用下述公式计算所述分割序列中相邻的分割序列之间的安全趋势值:
;
其中,表示所述安全趋势值,/>表示所述关联系数,/>表示所述同异反系数。
2.根据权利要求1所述的方法,其特征在于,所述从所述施工图像中划分所述桥梁施工下的施工场景,包括:
利用尺度不变特征转换算法提取所述施工图像中的局部特征;
对所述局部特征进行特征聚类,得到特征类群;
基于所述特征类群,利用下述公式计算所述施工图像中的全局特征:
;
其中,表示所述施工图像中的全局特征,/>表示所述特征类群中第/>个局部特征,/>代表所述特征类群中第/>个聚类中心,/>表示局部特征/>与第/>个聚类中心之间的符号函数,N表示局部特征的总数;
利用下述公式计算所述全局特征的场景类别概率:
;
其中,表示所述场景类别概率,/>表示卷积层,/>表示所述施工图像中的全局特征,表示池化层,/>表示全连接层,/>表示激活函数;
利用所述场景类别概率识别所述桥梁施工下的施工场景。
3.根据权利要求1所述的方法,其特征在于,所述检测所述重构监测序列中的失常数据,包括:
采集历史数据中正常数据的正常概率分布和异常数据的异常概率分布;
分别计算所述重构监测序列与所述正常概率分布之间的正常差异值、所述重构监测序列与所述异常概率分布之间的异常差异值;
利用所述正常差异值与所述异常差异值检测所述重构监测序列中的失常数据。
4.根据权利要求1所述的方法,其特征在于,所述对所述失常数据进行数据补偿,得到补偿数据,包括:
采集所述失常数据在所述重构监测序列中的历史时刻数据;
利用预设的循环神经网络模型分析所述历史时刻数据对应的下一个时刻数据;
将所述下一个时刻数据作为所述补偿数据。
5.根据权利要求1所述的方法,其特征在于,所述对所述分割序列中每个分割序列进行安全预警,得到安全预警值,包括:
构建所述分割序列中每个分割序列的判断矩阵;
基于所述判断矩阵,利用下述公式计算所述分割序列中每个分割序列的权重矩阵:
其中,表示所述权重矩阵,/>表示所述判断矩阵中的重要性,/>表示所述判断矩阵的列总数,且U=n*m,/>表示所述判断矩阵的行序号,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量;
基于所述权重矩阵,利用下述公式计算所述安全预警值:
;
其中,表示所述安全预警值,/>表示所述权重矩阵,/>表示所述分割序列中施工场景的权重向量。
6.根据权利要求1所述的方法,其特征在于,所述计算所述分割序列中相邻的分割序列之间的关联系数,包括:
利用下述公式计算所述分割序列中相邻的分割序列之间的关联系数:
;
其中,表示所述关联系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关,/>表示差异度系数,/>表示对立度系数。
7.根据权利要求1所述的方法,其特征在于,所述基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果,包括:
基于所述安全预警值,确定所述桥梁施工下的安全等级;
基于所述安全趋势值,确定所述桥梁施工下的安全趋势;
将所述安全等级和所述安全趋势作为所述安全监测结果。
8.一种用于实现桥梁施工下的安全监测系统,其特征在于,所述系统包括:
场景划分模块,用于采集桥梁施工下的施工图像,从所述施工图像中划分所述桥梁施工下的施工场景;
序列重构模块,用于利用预设的传感器装置采集所述桥梁施工下的安全监测数据,其中,所述安全监测数据包括应力、位移、高度、刚度,利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列;
数据替换模块,用于检测所述重构监测序列中的失常数据,对所述失常数据进行数据补偿,得到补偿数据,将所述重构监测序列中的失常数据替换为所述补偿数据,得到补偿监测序列;
安全预警模块,用于按照时间顺序对所述补偿监测序列进行序列分割,得到分割序列,对所述分割序列中每个分割序列进行安全预警,得到安全预警值;
结果确定模块,用于计算所述分割序列中相邻的分割序列之间的关联系数,利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,基于所述安全预警值和所述安全趋势值,确定所述桥梁施工下的安全监测结果;
所述利用所述施工场景对所述安全监测数据进行数据序列重构,得到重构监测序列,包括:
提取所述施工场景在所述桥梁施工下场景区域;
查询所述安全监测数据中存在于所述场景区域内的目标安全监测数据;
利用下述公式将所述目标安全监测数据转换为所述重构监测序列:
;
其中,表示所述重构监测序列,/>表示所述目标安全监测数据中第1个场景区域内的目标安全监测数据,m表示场景区域的数量,n表示每个场景区域内目标安全监测数据的数量;
所述利用所述关联系数计算所述分割序列中相邻的分割序列之间的安全趋势值,包括:
基于所述关联系数,利用下述公式计算所述分割序列中相邻的分割序列之间的同异反系数:
;
其中,表示所述同异反系数,/>表示所述分割序列中相邻的两个分割序列之间的同一度,与所述分割序列中相邻的两个分割序列中相同的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的差异度,与所述分割序列中相邻的两个分割序列中既不对立又不同一的元素有关,/>表示所述分割序列中相邻的两个分割序列之间的对立度,与所述分割序列中相邻的两个分割序列中对立的元素有关;
基于所述关联系数与所述同异反系数,利用下述公式计算所述分割序列中相邻的分割序列之间的安全趋势值:
;
其中,表示所述安全趋势值,/>表示所述关联系数,/>表示所述同异反系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269619.6A CN117876969B (zh) | 2024-03-11 | 一种用于实现桥梁施工下的安全监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269619.6A CN117876969B (zh) | 2024-03-11 | 一种用于实现桥梁施工下的安全监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117876969A CN117876969A (zh) | 2024-04-12 |
CN117876969B true CN117876969B (zh) | 2024-06-04 |
Family
ID=
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
EP3668096A1 (en) * | 2018-12-11 | 2020-06-17 | Axis AB | Method and device for encoding a sequence of image frames using a first and a second encoder |
CN111553003A (zh) * | 2020-04-03 | 2020-08-18 | 中交第二航务工程局有限公司 | 基于数据驱动的可视化大跨斜拉桥拉索评估方法 |
CN112229586A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 桥梁支座健康状态检测方法及终端设备 |
CN113723357A (zh) * | 2021-09-15 | 2021-11-30 | 安徽深核信息技术有限公司 | 一种基于人工智能视频检测的安全工作流程管控系统 |
JP2022054677A (ja) * | 2020-09-28 | 2022-04-07 | セイコーエプソン株式会社 | 信号処理方法、信号処理装置及び監視システム |
CN114495395A (zh) * | 2021-12-24 | 2022-05-13 | 深圳市天视通视觉有限公司 | 一种人形检测方法、监控预警方法、装置及系统 |
CN115063017A (zh) * | 2022-07-06 | 2022-09-16 | 河北交通投资集团有限公司 | 一种中小跨径桥梁结构监测和评估系统及方法 |
CN116128312A (zh) * | 2023-04-17 | 2023-05-16 | 南昌工程学院 | 基于监测数据分析的大坝安全预警方法及系统 |
CN116612440A (zh) * | 2023-07-21 | 2023-08-18 | 山东金宇信息科技集团有限公司 | 一种基于机器视觉的建筑工程安全监测方法、设备及介质 |
CN116912758A (zh) * | 2023-06-16 | 2023-10-20 | 北京安信创业信息科技发展有限公司 | 一种用于安全隐患监测的目标图像识别方法和装置 |
CN117314397A (zh) * | 2023-11-29 | 2023-12-29 | 贵州省公路建设养护集团有限公司 | 基于桥梁搭建下的安全巡检方法、电子设备及存储介质 |
CN117634167A (zh) * | 2023-11-17 | 2024-03-01 | 深圳市特区铁工建设集团有限公司 | 一种桥梁监测和预警方法、装置、终端及存储介质 |
CN117872938A (zh) * | 2024-03-12 | 2024-04-12 | 贵州省公路建设养护集团有限公司 | 基于物联网实现桥梁施工下的设备安全控制方法及系统 |
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093099A (zh) * | 2013-01-22 | 2013-05-08 | 辽宁工程技术大学 | 一种露天煤矿安全评价方法 |
EP3668096A1 (en) * | 2018-12-11 | 2020-06-17 | Axis AB | Method and device for encoding a sequence of image frames using a first and a second encoder |
CN109447048A (zh) * | 2018-12-25 | 2019-03-08 | 苏州闪驰数控系统集成有限公司 | 一种人工智能预警系统 |
CN111553003A (zh) * | 2020-04-03 | 2020-08-18 | 中交第二航务工程局有限公司 | 基于数据驱动的可视化大跨斜拉桥拉索评估方法 |
JP2022054677A (ja) * | 2020-09-28 | 2022-04-07 | セイコーエプソン株式会社 | 信号処理方法、信号処理装置及び監視システム |
CN112229586A (zh) * | 2020-09-30 | 2021-01-15 | 石家庄铁道大学 | 桥梁支座健康状态检测方法及终端设备 |
CN113723357A (zh) * | 2021-09-15 | 2021-11-30 | 安徽深核信息技术有限公司 | 一种基于人工智能视频检测的安全工作流程管控系统 |
CN114495395A (zh) * | 2021-12-24 | 2022-05-13 | 深圳市天视通视觉有限公司 | 一种人形检测方法、监控预警方法、装置及系统 |
CN115063017A (zh) * | 2022-07-06 | 2022-09-16 | 河北交通投资集团有限公司 | 一种中小跨径桥梁结构监测和评估系统及方法 |
CN116128312A (zh) * | 2023-04-17 | 2023-05-16 | 南昌工程学院 | 基于监测数据分析的大坝安全预警方法及系统 |
CN116912758A (zh) * | 2023-06-16 | 2023-10-20 | 北京安信创业信息科技发展有限公司 | 一种用于安全隐患监测的目标图像识别方法和装置 |
CN116612440A (zh) * | 2023-07-21 | 2023-08-18 | 山东金宇信息科技集团有限公司 | 一种基于机器视觉的建筑工程安全监测方法、设备及介质 |
CN117634167A (zh) * | 2023-11-17 | 2024-03-01 | 深圳市特区铁工建设集团有限公司 | 一种桥梁监测和预警方法、装置、终端及存储介质 |
CN117314397A (zh) * | 2023-11-29 | 2023-12-29 | 贵州省公路建设养护集团有限公司 | 基于桥梁搭建下的安全巡检方法、电子设备及存储介质 |
CN117872938A (zh) * | 2024-03-12 | 2024-04-12 | 贵州省公路建设养护集团有限公司 | 基于物联网实现桥梁施工下的设备安全控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
Onsite video mining for construction hazards identification with visual relationships;Ruoxin Xiong等;Advanced Engineering Informatics;20190802;第42卷;1-10 * |
基于机器视觉的隧道围岩智能识别分级与开挖安全风险研究;黄宏伟等;应用基础与工程科学学报;20231215;第31卷(第06期);1382-1409 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766059A (zh) | 一种变压器故障的预测方法、装置和设备 | |
CN110020770A (zh) | 基于人工智能的风险和知识管理 | |
CN111931806A (zh) | 一种多传感器数据融合的设备故障诊断方法及装置 | |
CN110555819A (zh) | 基于红外和可见光图像融合的设备监测方法、装置及设备 | |
CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、系统及介质 | |
CN110703743A (zh) | 设备故障预测与检测系统和方法 | |
CN114048277A (zh) | 一种高速公路智能稽查追逃系统 | |
CN113534832A (zh) | 一种基于边缘计算的无人机巡检跟踪配网线飞行方法 | |
CN112416979A (zh) | 基于地理位置的反欺诈方法、装置、设备及存储介质 | |
CN116702473A (zh) | 基于聚类算法的变压器温度异常预警方法及系统 | |
CN117876969B (zh) | 一种用于实现桥梁施工下的安全监测方法及系统 | |
Kirtibhai Patel et al. | Faster R-CNN based automatic parking space detection | |
CN116823233B (zh) | 一种基于全周期运维的用户数据处理方法及系统 | |
CN116340586B (zh) | 基于云平台的汽车故障管理方法、系统及存储介质 | |
CN117036732A (zh) | 一种基于融合模型的机电设备检测系统、方法及设备 | |
CN117876969A (zh) | 一种用于实现桥梁施工下的安全监测方法及系统 | |
CN117331790A (zh) | 一种用于数据中心的机房故障检测方法及装置 | |
CN115296933B (zh) | 一种工业生产数据风险等级评估方法及系统 | |
CN117827593A (zh) | 一种基于异常识别结果确定异常原因的方法和系统 | |
CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及系统 | |
CN111105590A (zh) | 一种报警方法及装置 | |
CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
CN116155770B (zh) | 多源数据融合下的物联网安全态势评估方法、装置及设备 | |
CN113657429B (zh) | 面向数字孪生城市物联网的数据融合方法及装置 | |
CN114359836B (zh) | 一种自动识别的基于计算机的监控系统及监控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |