一种古建桥梁修复用检测装置及其检测方法

技术特征：
1.一种古建桥梁修复用检测装置，其特征在于，所述古建桥梁修复用检测装置包括：机箱、储料仓、升降管、喷射器、摄像器、控制器、裂缝检测模块、健康评估模块、无线通信模块、故障诊断模块；机箱内左边通过螺丝固定有储料仓；储料仓顶端套接升降管；升降管顶端设置有喷射器；喷射器顶端通过螺丝固定有摄像器；机箱正面右边嵌装有控制器；控制器内设置有裂缝检测模块、健康评估模块、无线通信模块、故障诊断模块；裂缝检测模块，用于检测古建桥梁裂缝信息；健康评估模块，用于对古建桥梁健康进行评估；无线通信模块，用于通过无线信号接通无线网络进行远程控制；故障诊断模块，用于对装置故障进行诊断；通过修复状态传感器检测古建桥梁修复设备的修复状态以获取包括古建桥梁修复设备修复状态值的第一信号数据；通过4*6的24点修复状态传感器收集第一信号数据，所述第一信号数据包括古建桥梁修复设备左边修复状态的左修复状态传感器信号和古建桥梁修复设备右边修复状态的右修复状态传感器信号，所述第一信号数据按照正常状态和故障状态进行分类；包括对第一信号数据进行预处理，将多个4*6信号合并，通过用48组信号合成48*48的信号矩阵，其中一组信号包括左修复状态传感器信号和右修复状态传感器信号；所述信号预测模型包括七层；第一层为输入层，第一层为原始的信号数据，第一层的图片大小为48*48*1、channel为1；第二层为卷积层，第二层的输入为输出层的输出，第二层的过滤器尺寸为5*5、深度为32，第二层使用全0填充，第二层的输出矩阵大小为48*48*32；第三层为池化层，第三层的输入为第二层输出的48*48*32的节点矩阵，第三层的过滤器尺寸大小为2*2、长和宽的步长均为2，第三层的输出矩阵大小为24*24*32；第四层为卷积层，第四层的输入为第三层的输出，第四层的过滤器尺寸为5*5、深度为64，第四层使用全0填充，第四层的输出矩阵大小为24*24*32；第五层为池化层，第五层的输入为第四层输出的24*24*64的节点矩阵，第五层的过滤器大小为2*2、长和宽的步长均为2，第五层的输出矩阵大小为12*12*64；第六层为全连接层，第六层的输入为第五层的输出，第六层输入节点个数为12*12*64，第六层输入节点个数为9216个，第六层输出节点个数为512个；第七层为全连接层，第七层输入节点个数为512个，第七层输出节点个数为4个。2.一种如权利要求1所述的古建桥梁修复用检测装置的检测方法，其特征在于，所述古建桥梁修复用检测装置的检测方法包括以下步骤：步骤一，将古建桥梁修复原料注入储料仓，通过升降管升降到古建桥梁位置，通过摄像器采集古建桥梁图像，并将图像发送到控制器进行处理；步骤二，控制器通过裂缝检测模块检测古建桥梁裂缝信息；通过健康评估模块对古建桥梁健康进行评估；通过无线通信模块利用无线信号接通无线网络进行远程控制；通过故障诊断模块对装置故障进行诊断；步骤三，控制器根据裂缝信息启动喷射器对古建桥梁裂缝喷洒修复原料进行修复。3.如权利要求2所述古建桥梁修复用检测方法，其特征在于，所述裂缝检测模块检测方法如下：(1)通过分割程序对摄像器所采集的一组古建桥梁图像进行裂缝分割；(2)根据裂缝分割结果，采用预构建的古建桥梁裂缝分类模型对古建桥梁裂缝进行检
测分类。4.如权利要求3所述古建桥梁修复用检测方法，其特征在于，所述通过分割程序对摄像器所采集的一组古建桥梁图像进行裂缝分割方法包括如下步骤：采用基于nystrom逼近理论推广的谱聚类算法分割各个古建桥梁图像中的裂缝作为初始轮廓；沿着向上方向，依次将已经分割好的裂缝映射到下一张古建桥梁图像上，作为该张古建桥梁图像中裂缝的初始轮廓，采用改进的gac模型完成各个裂缝的分割，直到所有古建桥梁图像分割结束；沿着向下方向，依次将沿着向上方向分割好的裂缝映射到下一张古建桥梁图像上，作为该张古建桥梁图像中裂缝的初始轮廓，采用改进的gac模型完成各个裂缝的分割，直到所有古建桥梁图像分割结束。5.如权利要求4所述古建桥梁修复用检测方法，其特征在于，所述采用改进的gac模型完成各个裂缝的分割的方法包括如下步骤：计算已分割好的各个裂缝区域的灰度均值与灰度标准差，将灰度均值与灰度标准差作为各个裂缝区域的灰度相似性信息；根据灰度相似性信息构造灰度相似性信息项；将灰度相似性信息项作为一个外部能量项添加到gac模型的能量泛函中，从而对gac模型进行改进。6.如权利要求3所述古建桥梁修复用检测方法，其特征在于，所述古建桥梁裂缝分类模型的构建方法包括如下步骤：收集包含各类裂缝的原始古建桥梁图像；对所收集的原始古建桥梁图像进行裂缝标记及裂缝分割以构建古建桥梁裂缝的样本数据集；结合古建桥梁全局特征初始构建8层的深度卷积神经网络，包括一层输入层、三层卷积层、三层池化层、二层全连接层和一层输出层，采用softmax分类器；采用样本数据集对所构建的深度卷积神经网络进行训练及测试，以确定古建桥梁裂缝分类模型的结构及参数。7.如权利要求1所述古建桥梁修复用检测方法，其特征在于，所述健康评估模块评估方法如下：1)通过检测装置获取基于时序的古建桥梁健康监测数据，并基于预先划分的古建桥梁健康状态级别生成训练样本集；2)使用训练样本集训练得到神经网络模型；将新采集的古建桥梁健康监测数据输入神经网络模型，输出预测的古建桥梁健康状态级别。8.如权利要求7所述古建桥梁修复用检测方法，其特征在于，所述训练样本集包括多个基于时序的训练样本，每个训练样本包括一组所述古建桥梁健康监测数据以及对应的所述古建桥梁健康状态级别。9.如权利要求7所述古建桥梁修复用检测方法，其特征在于，所述神经网络模型的训练过程包括：将所述训练样本中的所述古建桥梁健康监测数据作为输入，对应的所述古建桥梁健康状态级别作为输出，对初始化的所述神经网络模型进行训练，计算所述神经网络模型的损失函数并更新参数矩阵，直到预测误差满足终止条件。10.如权利要求7所述古建桥梁修复用检测返港伐，其特征在于，所述训练样本集为其中，表示t
k
时刻的所述训练样本，为n 1维特征向量，x0＝1，x1，...，
x
n
为所述古建桥梁健康监测数据，n≥1，是所对应的所述古建桥梁健康状态级别，所述古建桥梁健康状态级别的集合为y∈{a1,a2,...,a
n
}，a1,a2,...,a
n
均为不同的数值，n≥2。

技术总结
本发明属于古建桥梁修复用检测技术领域，公开了一种古建桥梁修复用检测装置及其检测方法，所述古建桥梁修复用检测装置包括：机箱、储料仓、升降管、喷射器、摄像器、控制器、裂缝检测模块、健康评估模块、无线通信模块、故障诊断模块。本发明通过裂缝检测模块采用桥梁裂缝分类模型对古建桥梁裂缝进行检测分类，能够明显提高古建桥梁裂缝检测精度及效率；同时，通过健康评估模块将新采集的古建桥桥梁健康监测数据输入神经网络模型，输出预测的古建桥桥梁健康状态级别，实现了对古建桥桥梁健康状态的准确有效评估和预测。准确有效评估和预测。准确有效评估和预测。


技术研发人员：杜旺旺
受保护的技术使用者：浙江广厦建设职业技术大学
技术研发日：2022.03.16
技术公布日：2022/7/21