建筑瓦屋面损毁识别与健康评估方法、系统、设备及介质
本技术涉及计算机,尤其涉及建筑瓦屋面损毁识别与健康评估方法、系统、设备及介质。
背景技术:
1、由于传统建筑长期缺乏维护,使得屋面瓦件滑移、瓦片脱落、木构暴露、局部坍塌、整体解体、树木根系穿透墙体等问题持续累积。传统建筑瓦屋面是传统民居实现防水遮蔽的重要构件,一旦瓦面防护层失效,雨水会进一步侵蚀木构梁架和墙体,形成从轻度失修到结构塌毁的连续衰败过程。传统建筑巡查方式主要依赖人工踏勘和经验判断,存在覆盖效率低、主观差异大、危房进入风险高、结果难以量化比较等问题,难以满足对传统建筑的高频巡检和修缮排序的需求。
2、为解决传统建筑巡查方式存在的实施缺陷,现有技术提出先利用无人机或固定相机采集建筑瓦屋面图像,再通过目标检测或语义分割模型对该建筑瓦屋面图像进行分析,以识别裂缝、破损、植被覆盖或瓦片缺失等表观缺陷。然而,该方案仅能输出缺陷目标框或像素级掩膜,未能进一步评估建筑瓦屋面的整体健康情况,使得检测结果难以支撑后续针对建筑瓦屋面修缮预警的工程管理决策应用。
技术实现思路
1、本技术的主要目的在于提出建筑瓦屋面损毁识别与健康评估方法、系统、设备及介质,旨在有效评估建筑瓦屋面的整体健康情况,为后续针对建筑瓦屋面修缮预警的工程管理决策提供数据支撑。
2、为实现上述目的,本技术的一方面提出一种建筑瓦屋面损毁识别与健康评估方法,所述方法包括:
3、获取待评估建筑瓦屋面图像和预先确定的多个目标屋面损毁类别对应的多个最大破坏性评分,每个所述最大破坏性评分表征在出现对应的目标屋面损毁类别的病害区域完全覆盖建筑瓦屋面时产生的屋面健康损失值;
4、通过预训练的建筑瓦屋面损毁识别模型对所述待评估建筑瓦屋面图像进行分析,以输出实例分割图像,所述实例分割图像上生成多个建筑瓦屋面轮廓和多个病害区域掩膜,并标记出所有预测屋面损毁类别,每个所述病害区域掩膜对应的预测屋面损毁类别为所述多个目标屋面损毁类别中的一个;
5、根据所述多个建筑瓦屋面轮廓和所述多个病害区域掩膜,确定每个建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比;
6、根据每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比和最大破坏性评分,确定每个所述建筑瓦屋面的健康评估结果。
7、进一步地,所述多个目标屋面损毁类别通过以下方式确定:
8、获取若干个预设屋面损毁类别对应的若干个第一评分集合,每个所述第一评分集合包含多位专家在进行第一次评估时对应提供的多个第一保守评分和多个第一乐观评分,第一次评估内容为对应的预设屋面损毁类别对建筑残损评价的重要性程度;
9、对于每个所述预设屋面损毁类别:根据所述预设屋面损毁类别对应的第一评分集合,确定第一保守三角模糊数和第一乐观三角模糊数并进行专家共识分析,以生成表征所述预设屋面损毁类别是否可选的评估结果;
10、根据所述若干个预设屋面损毁类别对应的若干个评估结果,从所述若干个预设屋面损毁类别中筛选出所述多个目标屋面损毁类别。
11、进一步地,所述多个目标屋面损毁类别对应的多个最大破坏性评分通过以下方式确定:
12、获取所述多个目标屋面损毁类别对应的多个第二评分集合,每个所述第二评分集合包含所述多位专家在进行第二次评估时对应提供的多个第二保守评分和多个第二乐观评分,第二次评估内容为在出现对应的目标屋面损毁类别的病害区域完全覆盖建筑瓦屋面时造成的屋面健康损失程度;
13、对于每个所述目标屋面损毁类别:根据所述目标屋面损毁类别对应的第二评分集合,确定第二保守三角模糊数和第二乐观三角模糊数并进行专家共识分析,以生成所述目标屋面损毁类别对应的最大破坏性评分。
14、进一步地,所述根据所述多个建筑瓦屋面轮廓和所述多个病害区域掩膜,确定每个建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比包括:
15、对于每个所述病害区域掩膜:确定所述病害区域掩膜与每个所述建筑瓦屋面轮廓之间的重叠面积,再从所述多个建筑瓦屋面轮廓中筛选出重叠面积最大的建筑瓦屋面轮廓,并与所述病害区域掩膜进行关联绑定;
16、根据每个所述建筑瓦屋面轮廓关联的所有病害区域掩膜,确定每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比。
17、进一步地,所述根据每个所述建筑瓦屋面轮廓关联的所有病害区域掩膜,确定每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比包括:
18、当所述建筑瓦屋面轮廓关联的至少两个病害区域掩膜相互重叠时,将相互重叠的至少两个病害区域掩膜对应的至少两个预测屋面损毁类别临时调整一致,再将所述建筑瓦屋面轮廓关联的所有病害区域掩膜进行按类别划分,并计算所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比。
19、进一步地,所述根据每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比和最大破坏性评分,确定每个所述建筑瓦屋面的健康评估结果包括:
20、将每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比和最大破坏性评分相乘,再将各个相乘结果进行汇总分析,以确定每个所述建筑瓦屋面的健康度评分;
21、根据每个所述建筑瓦屋面的健康度评分与预设健康预警阈值之间的关系,确定每个所述建筑瓦屋面的健康评估结果。
22、进一步地,所述方法还包括:
23、在所述实例分割图像上标记每个所述建筑瓦屋面的健康度评分和健康评估结果,再将标记后的所述实例分割图像进行可视化输出。
24、为实现上述目的,本技术的另一方面提出一种建筑瓦屋面损毁识别与健康评估系统,所述系统包括:
25、获取模块,用于获取待评估建筑瓦屋面图像和预先确定的多个目标屋面损毁类别对应的多个最大破坏性评分,每个所述最大破坏性评分表征在出现对应的目标屋面损毁类别的病害区域完全覆盖建筑瓦屋面时产生的屋面健康损失值;
26、分析模块,用于通过预训练的建筑瓦屋面损毁识别模型对所述待评估建筑瓦屋面图像进行分析,以输出实例分割图像,所述实例分割图像上生成多个建筑瓦屋面轮廓和多个病害区域掩膜,并标记出所有预测屋面损毁类别,每个所述病害区域掩膜对应的预测屋面损毁类别为所述多个目标屋面损毁类别中的一个;
27、第一确定模块,用于根据所述多个建筑瓦屋面轮廓和所述多个病害区域掩膜,确定每个建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比;
28、第二确定模块,用于根据每个所述建筑瓦屋面出现的各个所述预测屋面损毁类别对应的病害区域面积占比和最大破坏性评分,确定每个所述建筑瓦屋面的健康评估结果。
29、为实现上述目的,本技术的另一方面提出一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述的建筑瓦屋面损毁识别与健康评估方法。
30、为实现上述目的,本技术的另一方面提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的建筑瓦屋面损毁识别与健康评估方法。
31、本技术至少包括以下有益效果:先通过预训练的建筑瓦屋面损毁识别模型对获取的待评估建筑瓦屋面图像进行分析,以输出实例分割图像,其上生成有多个建筑瓦屋面轮廓和多个病害区域掩膜并标记出所有预测屋面损毁类别,每个病害区域掩膜对应的预测屋面损毁类别为多个目标屋面损毁类别中的一个,借助深度学习技术可以实现对建筑瓦屋面病害的有效识别感知,再根据实例分割图像上生成的多个建筑瓦屋面轮廓和多个病害区域掩膜,确定每个建筑瓦屋面出现的各个预测屋面损毁类别对应的病害区域面积占比,并结合获取的每个建筑瓦屋面出现的各个预测屋面损毁类别对应的最大破坏性评分,确定每个建筑瓦屋面的健康评估结果,实现由建筑瓦屋面病害感知到建筑瓦屋面健康评估的转换,由此可以为后续针对建筑瓦屋面修缮预警的工程管理决策提供数据支撑。
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