一种智能外墙检测方法与流程

摘要: 本发明涉及建筑外墙检测,具体而言,涉及一种智能外墙检测方法。背景技术:1、建筑外墙作为建筑物的外围护结构,长期暴露于自然环境中,受风荷载、温度应力、材料老化等因...
一种智能外墙检测方法与流程

本发明涉及建筑外墙检测,具体而言,涉及一种智能外墙检测方法。

背景技术:

1、建筑外墙作为建筑物的外围护结构,长期暴露于自然环境中,受风荷载、温度应力、材料老化等因素影响,易产生裂缝、空鼓、剥落、渗漏及污染等病害,这些病害不仅影响建筑美观,更可能构成高空坠物安全隐患,对公共安全构成威胁,目前,传统的外墙检测主要依赖人工目视检查、红外热成像仪手持检测或搭建脚手架、使用吊篮进行近距离勘查。这类方法存在以下显著缺陷:人工检测需搭设安全设施,检测周期长,且难以覆盖高层建筑及复杂立面区域;检测人员需高空作业,存在较大的人身安全风险;检测结果多以纸质记录或零散照片存档,缺乏系统性的数据管理与历史对比分析,难以实现病害趋势预测;病害判定依赖检测人员的经验,缺乏统一的量化标准和自动化识别手段,误判、漏判率较高。因此我们对此做出改进,提出一种智能外墙检测方法。

技术实现思路

1、本发明提供了智能外墙检测方法,包括以下步骤:

2、s1、建立项目档案:录入建筑信息并导入建筑图纸,生成项目目录;

3、s2、航线规划:设置飞行参数并自动生成航线,进行航线仿真预览;

4、s3、无人机采集:控制无人机按航线自动飞行,采集可见光图像、红外热成像图像,并记录定位信息;

5、s4、图像传输与存储:实时回传图像,对图像进行质检过滤后存储原始数据;

6、s5、图像处理与拼接:对图像进行预处理,再进行图像拼接,生成正射立面图;

7、s6、ai病害识别:基于拼接后的图像进行裂缝识别、空鼓识别、脱落识别、污染、渗漏识别;

8、s7、病害定位与量化:将病害定位到楼层、立面,计算病害面积,评估严重程度;

9、s8、风险评估与报告:进行风险等级评估,生成检测报告并提供维修建议。

10、作为本申请优选的技术方案,s1中,建筑信息包括建筑物的名称、地址、层高、结构类型、建造年份基础信息;导入的建筑图纸包括建筑cad图纸或bim模型,解析图纸中的楼层分割线、立面边界及关键节点坐标;根据图纸信息自动生成分层分立的检测项目目录树,并将每个立面与对应的建筑楼层、朝向进行关联绑定。

11、作为本申请优选的技术方案,s2还包括:

12、使用地面控制软件规划无人机的飞行路径,确保路径覆盖所有需要监测的区域;

13、设定合适的飞行高度和飞行速度,以确保采集图像的清晰度和覆盖范围;

14、在航线规划过程中,实时显示无人机的检测状态及飞行参数。

15、作为本申请优选的技术方案,s3具体包括:

16、将红外相机、红外热成像仪、超声波传感器、rtk定位模块安装于无人机上;

17、控制无人机按预设航线飞行,同步采集建筑物的可见光图像和红外热成像图像,并记录位置信息及无人机姿态数据;

18、红外相机实时记录外墙表面的温度数据,生成对应的热成像图像,数据存储在相机内置存储设备或通过无线传输至地面控制站。

19、作为本申请优选的技术方案,s4具体包括:

20、通过4g/5g网络将采集到的图像数据实时回传至地面站,传输中断时执行断点续传;

21、对接收到的原始图像及对应的元数据进行分类存储,并执行备份存储。

22、作为本申请优选的技术方案,s5具体包括:

23、对存储的图像依次进行去噪、增强、畸变校正和统一尺寸处理;

24、将图像像素值归一化到[0,1]或[-1,1]范围内,提高模型训练的稳定性和效率;

25、采用旋转、翻转、平移中的一种或多种方式对图像进行数据增强,扩展数据集以提升模型泛化能力;

26、对预处理后的多幅图像进行特征匹配与图像对齐,生成建筑物的正射立面图。

27、作为本申请优选的技术方案,s6具体包括:

28、将正射立面图输入训练好的深度学习模型进行推理,输出各类病害的概率;

29、利用图像识别算法检测外墙上的裂缝、剥落、霉菌和污染问题;

30、结合红外热成像图像的温度分布,分析目标区域的热特性,识别空鼓、裂缝、脱落病害区域。

31、作为本申请优选的技术方案,s7具体包括:

32、根据模型输出的位置信息,计算病害的面积、长度和宽度数值;

33、将病害区域映射至建筑物的楼层位置、立面位置,并结合gps坐标进行空间坐标映射。

34、作为本申请优选的技术方案,s8具体包括:

35、使用机器学习算法对检测到的缺陷进行分类,并评估其严重程度,计算建筑物健康评分;

36、根据历史数据和当前检测结果进行趋势分析,评估病害风险等级;

37、生成包含外墙病害类型、现场图像、位置、面积、分析结论及维修保养建议的外墙健康评估报告,报告支持导出为pdf或excel格式。

38、作为本申请优选的技术方案,还包括:

39、通过图表、热力图、三维模型、病害分布图的形式可视化展示检测数据和分析结果;

40、提供用户交互操作界面,支持数据查询、报告生成和预警管理;

41、根据风险评估结果触发风险预警,并通过短信、邮件和平台消息方式推送预警信息。

42、与现有技术相比,本发明的有益效果:

43、1.本申请从项目建档、航线自动规划、无人机自主采集、图像处理到ai识别与报告生成,形成了完整的数据处理闭环,减少了人工干预,提升了检测效率;结合可见光图像与红外热成像图像,并基于定位信息进行图像拼接生成正射立面图,既保留了表面纹理细节,又揭示了内部温度场异常,克服了单一图像源信息不足的缺陷;

44、2.本申请通过将病害锚定至具体楼层和立面坐标,并利用ai算法计算病害面积及严重程度,实现了检测结果的空间可量化,为后续精准维修提供了数据支撑;

45、3.本申请采用无人机替代人工高空作业,减少了检测人员坠落风险,同时无需搭设脚手架,缩短检测周期,降低了人力与物力成本。

1.一种智能外墙检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的智能外墙检测方法,其特征在于,s1中,建筑信息包括建筑物的名称、地址、层高、结构类型、建造年份基础信息;导入的建筑图纸包括建筑cad图纸或bim模型,解析图纸中的楼层分割线、立面边界及关键节点坐标;根据图纸信息自动生成分层分立的检测项目目录树,并将每个立面与对应的建筑楼层、朝向进行关联绑定。

3.根据权利要求1所述的智能外墙检测方法,其特征在于,s2还包括:

4.根据权利要求1所述的智能外墙检测方法,其特征在于,s3具体包括:

5.根据权利要求1所述的智能外墙检测方法,其特征在于,s4具体包括:

6.根据权利要求1所述的智能外墙检测方法,其特征在于,s5具体包括:

7.根据权利要求1所述的智能外墙检测方法,其特征在于,s6具体包括:

8.根据权利要求1所述的智能外墙检测方法,其特征在于,s7具体包括:

9.根据权利要求1所述的智能外墙检测方法,其特征在于,s8具体包括:

10.根据权利要求1所述的智能外墙检测方法,其特征在于,还包括: