一种基于视觉智能的建筑工程质量评估方法及系统与流程
本发明涉及建筑质量评估,尤其涉及一种基于视觉智能的建筑工程质量评估方法及系统。
背景技术:
1、建筑工程中通常采用人工巡检、裂缝宽度尺或裂缝测宽仪对混凝土构件表面裂缝进行识别和质量评估,该方式受检测人员经验、拍摄角度及测量位置影响,难以连续处理大面积构件。现有视觉检测方案主要利用阈值分割、边缘检测和形态学处理提取裂缝,或者采用u-net、deeplab及pidnet等语义分割网络识别裂缝区域。部分方案通过多尺度特征、注意力机制、边界分支或动态蛇形卷积改善细裂缝提取,但普通卷积采样方向固定,现有动态蛇形卷积也主要沿横向或纵向延伸,难以适应任意方向、弯曲及分支裂缝。
2、为降低构件边缘、施工缝、污渍和阴影造成的误识别,现有方案还采用干扰区域分类、施工缝掩膜、边界后处理或多分支特征融合,并在分割后通过骨架细化和像素尺度换算计算裂缝长度及宽度。然而,施工缝掩膜容易同时删除跨越施工缝的真实裂缝,边界信息通常仅用于修正最终分割结果,无法阻止卷积采样跨出构件或沿施工缝持续延伸;分割后单独提取的骨架分支还易受断裂和粘连影响。现有技术尚未形成尺度标定、方向响应筛选、分支路径触发、构件边界采样控制、干扰门控融合以及裂缝几何量化相衔接的处理链路,因而难以兼顾裂缝连续识别、误检抑制与质量分级的准确性。
3、因此,如何提供一种基于视觉智能的建筑工程质量评估方法及系统是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于视觉智能的建筑工程质量评估方法及系统,本发明采用约束型dsconv-pidnet实现混凝土裂缝识别、量化及分级,具有连续性好、抗干扰强和评估准确的优点。
2、根据本发明实施例的一种基于视觉智能的建筑工程质量评估方法,包括如下步骤:
3、获取混凝土构件表面图像,进行畸变校正、透视校正和尺度标定,得到标准构件图像及图像尺度映射关系;
4、构建约束型dsconv-pidnet模型,通过共享特征提取层从标准构件图像生成共享构件特征,上下文语义分支生成构件语义特征和非裂缝干扰图,构件边界分支生成包含构件外边界与施工缝边界的边界约束图;
5、裂缝方向预测单元从共享构件特征中筛选方向响应峰值,生成裂缝方向场,按照各位置的方向响应峰值数量生成裂缝分支节点图;
6、方向约束型dsconv细节分支以裂缝方向场确定采样方向,以裂缝分支节点图确定采样路径数量,按边界约束图停止越出构件外边界的采样及抑制施工缝边界上的采样,生成裂缝细节特征;
7、边界门控融合层按边界约束图和非裂缝干扰图,对裂缝细节特征与构件语义特征加权融合,生成融合裂缝特征;裂缝分割头处理融合裂缝特征,生成裂缝分割结果;
8、从裂缝分割结果提取裂缝中心路径和裂缝边界,结合图像尺度映射关系及裂缝分支节点图生成裂缝几何特征,按表面裂缝质量分级条件生成表面裂缝质量评估结果。
9、可选的,所述约束型dsconv-pidnet模型由共享特征提取层、上下文语义分支、构件边界分支、裂缝方向预测单元、方向约束型dsconv细节分支、边界门控融合层和裂缝分割头组成。
10、可选的,所述标准构件图像及图像尺度映射关系的生成具体包括:
11、在混凝土构件待评估表面布设具有已知实际坐标的4个共面标定点,通过图像采集相机采集包含4个共面标定点的初始构件图像;
12、依据图像采集相机的相机标定参数,对初始构件图像进行径向畸变修正和切向畸变修正,得到畸变校正构件图像;
13、提取4个共面标定点在畸变校正构件图像中的像素坐标,并与对应的实际坐标进行配对,生成透视变换矩阵,并得到透视校正构件图像;
14、依据透视变换矩阵确定透视校正构件图像中各像素对应的实际平面坐标,按照统一像素当量进行重采样,得到标准构件图像及图像尺度映射关系。
15、可选的,所述非裂缝干扰图和边界约束图的生成具体包括:
16、将标准构件图像按1024×1024像素滑窗切分,共享特征提取层对切分区域进行卷积和残差处理并融合重叠位置,生成共享构件特征;
17、上下文语义分支对共享构件特征进行4级下采样和多尺度池化,将各级语义信息恢复至共享构件特征的空间分辨率,生成构件语义特征;
18、对构件语义特征进行像素级二分类,生成各像素取值为0至1的非裂缝干扰图;
19、构件边界分支从共享构件特征中分别提取构件外边界响应和施工缝边界响应,生成构件外边界响应图和施工缝边界响应图;
20、依据构件外边界响应图划分构件内部位置和构件外部位置,并扩展施工缝边界响应图的响应范围,生成边界约束图。
21、可选的,所述裂缝分支节点图的生成具体包括:
22、裂缝方向预测单元通过8个方向卷积分支处理共享构件特征,生成具有8个方向响应通道的方向响应图;
23、沿方向维度筛选方向响应图中的局部峰值,并对相邻方向响应进行角度插值,生成裂缝方向场;
24、按照裂缝方向场中各位置保留的方向数量及方向间隔,分别确定单路径位置和裂缝分支候选位置;
25、在裂缝分支候选位置的邻域内验证各保留方向的延伸连续性,并结合单路径位置生成裂缝分支节点图。
26、可选的,所述裂缝细节特征的生成具体包括:
27、方向约束型dsconv细节分支依据裂缝方向场确定各位置的采样方向,依据裂缝分支节点图确定对应的采样路径数量,生成初始蛇形采样位置;
28、方向约束型dsconv细节分支对共享构件特征进行卷积处理,按照各蛇形采样路径生成用于修正初始蛇形采样位置的蛇形采样偏移;
29、按照蛇形采样偏移对初始蛇形采样位置进行逐点累积修正,生成沿裂缝方向连续延伸的蛇形采样位置;
30、依据边界约束图对蛇形采样位置进行有效性判断和施工缝响应修正,生成边界修正采样特征;
31、对各蛇形采样路径对应的边界修正采样特征进行路径卷积和方向加权,并与普通卷积特征融合,生成裂缝细节特征。
32、可选的,所述裂缝分割结果的生成具体包括:
33、边界门控融合层统一裂缝细节特征与构件语义特征的通道数,并结合边界约束图和非裂缝干扰图生成初始细节融合权重;
34、利用施工缝抑制通道和非裂缝干扰图修正初始细节融合权重,根据修正结果生成语义融合权重,对通道统一后的裂缝细节特征与构件语义特征加权融合,生成融合裂缝特征;
35、裂缝分割头对融合裂缝特征进行卷积处理和空间分辨率恢复,并将构件外部位置的输出置为0,生成与标准构件图像空间分辨率一致的裂缝概率图;
36、将裂缝概率图中取值达到0.5的位置确定为裂缝像素,其余位置确定为非裂缝像素,生成裂缝分割结果。
37、可选的,所述表面裂缝质量评估结果的生成具体包括:
38、按照裂缝像素的八邻域连通性划分裂缝区域,分别对各裂缝区域进行细化处理和边缘提取,得到裂缝中心路径和裂缝边界;
39、将裂缝分支节点图映射至裂缝中心路径,合并相邻分支响应并确定各裂缝区域的裂缝分支节点及裂缝分支状态;
40、利用图像尺度映射关系将裂缝中心路径转换至实际平面,累计相邻路径像素之间的实际距离,得到各裂缝区域的裂缝长度;
41、利用图像尺度映射关系计算裂缝中心路径至裂缝边界的实际距离,生成各裂缝区域的裂缝最大宽度和裂缝平均宽度;
42、以裂缝长度、裂缝最大宽度、裂缝平均宽度和裂缝分支状态组成裂缝几何特征,并按照表面裂缝质量分级条件生成表面裂缝质量评估结果。
43、根据本发明实施例的一种基于视觉智能的建筑工程质量评估系统,包括:
44、图像处理模块,用于获取混凝土构件表面图像,进行畸变校正、透视校正和尺度标定,得到标准构件图像及图像尺度映射关系;
45、模型构建模块,用于构建约束型dsconv-pidnet模型,通过共享特征提取层生成共享构件特征,通过上下文语义分支生成构件语义特征和非裂缝干扰图,通过构件边界分支生成边界约束图;
46、方向预测模块,用于通过裂缝方向预测单元从共享构件特征中筛选方向响应峰值,生成裂缝方向场和裂缝分支节点图;
47、细节特征生成模块,用于通过方向约束型dsconv细节分支确定采样方向和采样路径数量,并按边界约束图停止越界采样及抑制施工缝边界上的采样,生成裂缝细节特征;
48、裂缝分割模块,用于通过边界门控融合层融合裂缝细节特征与构件语义特征,生成融合裂缝特征,并通过裂缝分割头生成裂缝分割结果;
49、质量评估模块,用于从裂缝分割结果提取裂缝中心路径和裂缝边界,结合图像尺度映射关系及裂缝分支节点图生成裂缝几何特征和表面裂缝质量评估结果。
50、本发明的有益效果是:
51、本发明通过对混凝土构件表面图像进行畸变校正、透视校正和尺度标定,获得标准构件图像及图像尺度映射关系,能够降低镜头畸变、倾斜拍摄和采集距离变化对裂缝形态及尺寸测量造成的影响。约束型dsconv-pidnet模型利用上下文语义分支区分混凝土表面与污渍、阴影、模板残留纹理及表面色差,并通过构件边界分支识别构件外边界和施工缝边界,为后续裂缝特征提取提供语义信息和边界信息。
52、本发明利用裂缝方向预测单元筛选方向响应峰值,生成裂缝方向场和裂缝分支节点图,使方向约束型dsconv细节分支能够按照裂缝局部延伸方向设置蛇形采样方向,并根据方向响应数量动态生成单条或多条蛇形采样路径,从而提高任意方向细裂缝、弯曲裂缝和分支裂缝的连续提取能力。通过构件外部停止通道终止跨出构件外边界的后续采样,并利用施工缝抑制通道降低施工缝边界上的采样响应,能够减少构件轮廓和施工缝被错误识别为裂缝,同时保留与施工缝相交但未沿施工缝延伸的裂缝特征。
53、本发明进一步通过边界门控融合层,结合非裂缝干扰图和边界约束图调节裂缝细节特征与构件语义特征的融合权重,使真实裂缝位置侧重保留连续细节,使污渍、阴影及施工缝位置侧重利用上下文语义进行判别,从而提高裂缝分割结果的完整性和抗干扰能力。在此基础上,结合图像尺度映射关系和裂缝分支节点图计算裂缝长度、最大宽度、平均宽度及分支状态,并据此生成表面裂缝质量评估结果,实现由裂缝识别、几何量化到质量分级的连续处理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com