一种基于卷积神经网络的清水混凝土表面气孔分析方法技术

本发明专利技术公开了一种基于卷积神经网络的清水混凝土表面气孔分析方法，该方法首先采集清水混凝土材料的外观图像，生成机器学习所需的数据集以供训练；然后采用卷积神经网络算法，对数据集进行深度学习，建立出可以自动识别和标定清水混凝土表面气孔的模型；最后，对于待识别的图像，利用该模型进行气孔识别和标定，并基于结果，从气孔面积率、气孔孔径分布、气孔分布均匀度这三个方面进行分析。本发明专利技术基于机器学习和卷积神经网络对清水混凝土表面气孔进行自动识别，为建筑施工中对于清水混凝土的评价验收提供的了客观的量化指标和数字化分析，克服了传统清水混凝土外观质量验收耗费人力资源以及人为误差大、效率低的问题。

A pore analysis method of as cast finish concrete surface based on convolution neural network

【技术实现步骤摘要】
一种基于卷积神经网络的清水混凝土表面气孔分析方法
本专利技术属于材料工程，具体涉及一种清水混凝土表面气孔的分析方法，尤其涉及一种基于卷积神经网络实现清水混凝土表面气孔分析方法。
技术介绍
清水混凝土即一次成型，不做任何装饰的混凝土，其以混凝土本身的自然质感与精心设计的明缝、禅缝和对拉螺栓孔组合形成的自然状态作为装饰面的建筑表现形式，广泛应用于工业建筑、民用工程中高层、公共建筑以及市政桥梁中。清水混凝土是混凝土材料中最高级的表达形式，它显示的是一种最本质的美感，体现的是“素面朝天”的品位。清水混凝土具有朴实无华、自然沉稳的外观韵味，与生俱来的厚重与清雅是一些现代建筑材料无法效仿和媲美的，看似简单，其实比金碧辉煌更具艺术效。国外清水混凝土的应用已建立了质量控制和验收标准体系，对清水饰面混凝土有着相当严格的要求。而我国尽管近几年清水混凝土施工技术在结构工程中得到了较为广泛的应用，却没有统一的清水混凝土质量标准，只能凭以往经验及工程实例进行操作，在大量的实际工程中往往参照抹灰验收标准制定工程的“内参”来进行施工指导。此外，国内业内人士与建筑单位在对清水混凝土的定义与质量标准的认识上尚有较大的差异，清水混凝土的设计、施工无章可依，无规可循，缺乏清水混凝土质量验收标准和混凝土外观质量的评价方法和体系。清水混凝土外观质量以平顺性、缺陷性、感官性为评价指标，气孔作为影响缺陷性指标的重要因素之一，现有技术规程对其检验方法停留在人眼观察和人工测量上(表1)，误差较大且效率低下。表1现有规程气孔及其检验方法近年来，随着人工智能领域的发展，机器学习方法已在各行各业上大展拳脚。受生物自然视觉认知机制的启发，研究者们构建了神经网络算法，对于要提取具有潜在复杂结构规则的自然图像、视频、语音和音乐等结构丰富数据进行深度学习，获取其本质特征。常见的神经网络算法有：卷积神经网络(ConvolutionalNeuralNetworks,CNN)、循环神经网络(RecurrentNeuralNetwork,RNN)、生成对抗网络(GenerativeAdversarialNetwork,GAN)等等。其中，卷积神经网络因其多核提取、局部感知、参数共享等优点备受青睐，已经被成功应用于计算机视觉、自然语言处理、生物特征识别、医学分析等领域。与人力相比，卷积神经网络无需拥有先验知识，能够在学习后准确、高效的达到目标。然而，现有的用于神经网络学习的数据集还不够全面，尤其在材料科学领域，针对清水混凝土外观质量测评的方面还存在空缺。因此，如何基于先进的卷积神经网络算法，建立一个清水混凝土表面气孔自动识别和分析的模型和系统，对推进施工现场自动化、智能化，推广清水混凝土技术应用，具有很强的现实意义。
技术实现思路
专利技术目的：针对现有清水混凝土表面气孔分析技术依赖人工先验知识，具有效率低、人为误差大的问题，本专利技术提供一种基于卷积神经网络的清水混凝土表面气孔分析方法。技术方案：一种基于卷积神经网络的清水混凝土表面气孔分析方法，所述方法基于卷积神经网络和图像识别，包括建立清水混凝土表面气孔识别标定模型以识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度，步骤如下：(1)采集清水混凝土表面图像，包括不同控制变量下的图像数据；(2)对清水混凝土表面图像进行预处理，包括剔除无效图像、像素大小统一化、添加坐标信息和打标签处理；(3)通过卷积神经网络训练样本集，基于交叉验证法选择一个平均测试误差最小的气孔识别和标定模型；(4)基于清水混凝土表面气孔识别标定模型识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度。进一步的，步骤(1)中采集清水混凝土表面图像的控制变量包括采集角度、扫描速度、光照强度和混凝土表面的潮湿度。通过搭载扫描仪的无人机扫描或轨道式大幅面扫描仪组合交替的方式采集清水混凝土表面图像。进一步的，步骤(2)依次进行剔除无效图像、像素大小统一化、添加坐标信息和打标签处理，包括采用labeling进行目标范围初步标定，然后以labelme进行轮廓标定。进一步的，步骤(3)的交叉验证法为S折交叉验证法，具体步骤如下：(31)随机地将已给数据切分成S个互不相交大小相同的子集；(32)利用S-1个子集的数据训练模型，利用余下的子集测试；(33)对可能的S种选择重复进行验，筛选出S次测评中平均测试误差最小的模型。进一步的步骤(4)所述的气孔面积率为所有气孔的面积和清水混凝土表面积的比值。所述气孔孔径分布结果以分布直方图的形式输出，横坐标为气孔孔径直径，纵坐标为相应的气孔个数。所述的气孔分布均匀度的计算过程为：先将拍摄的清水混凝土表面图像的长和宽均以10mm为单位切割100mm2的单位面积，分别计算出每一小块单位面积的气孔面积率及标准差；所述气孔分布均匀度为标准差的倒数，单位气孔面积率的标准差越大，气孔分布均匀度越小。有益效果：与现有技术相比，本专利技术所述方法显著效果如下：(1)本专利技术采用无人机和大幅面轨道式扫描仪相结合的方法进行图像的采集工作，克服了人工拍摄时效率低、人为误差大、人工拍摄位置有限的问题，具有操作简单、对施工现场要求低、图像质量稳定的优点，可为现场工程带来便利；(2)本专利技术首次提出利用卷积神经网络算法，对清水混凝土表面气孔进行识别和分析，该方法效率高、识别准确度高，极大节省了人力成本，推进了现场工程地自动化、智能化；(3)本专利技术提出的清水混凝土表面气孔识别标定模型，输出的分析结果涵盖了气孔面积率、气孔孔径分布、气孔分布均匀度这三个方面，从局部到整体，系统地、规范地刻画出气孔的大小及分布情况，杜绝了以往人眼气孔检验的主观性和随意性，填补了我国清水混凝土工程验收质量标准的欠缺，有利于进一步推广清水混凝土材料的技术应用。附图说明图1为本专利技术所述方法实施整体流程框图；图2为实施例中面光下无人机拍摄的清水混凝土表面图像；图3为实施例中背光下无人机拍摄的清水混凝土表面图像；图4为实施例中面光下轨道式大幅面扫描仪扫描的清水混凝土表面图像(扫描速度为5cm/s)；图5为实施例中面光下轨道式大幅面扫描仪扫描的清水混凝土表面图像(扫描速度为7cm/s)；图6为实施例中待测图像经清水混凝土表面气孔的识别标定模型的输出结果示意图。具体实施方式为了详细的说明本专利技术所公开的技术方案，下面结合说明书附图及具体实施例做进一步的阐述。实施例1针对现有清水混凝土表面气孔分析依赖人工先验知识，效率低、人为误差大的问题，本专利技术提供的一种基于卷积神经网络的清水混凝土表面气孔分析方法，所述分析方法为：利用卷积神经网络算法建立一个清水混凝土表面气孔识别和分析模型；拍摄待识别的清水混凝土外观图像，输入至该模型中，输出识别并标定好气孔的图像，以及三个气孔分析度量值：气孔面积率、气孔孔径分布、气孔分布均匀度。其中，所述的清水混凝土表面气本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的清水混凝土表面气孔分析方法，其特征在于：所述方法基于卷积神经网络和图像识别，包括建立清水混凝土表面气孔识别标定模型以识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度，步骤如下：/n(1)采集清水混凝土表面图像，包括不同控制变量下的图像数据；/n(2)对清水混凝土表面图像进行预处理，包括剔除无效图像、像素大小统一化、添加坐标信息和打标签处理；/n(3)通过卷积神经网络训练样本集，基于交叉验证法选择一个平均测试误差最小的气孔识别标定模型；/n(4)基于清水混凝土表面气孔识别标定模型识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度。/n

【技术特征摘要】
1.一种基于卷积神经网络的清水混凝土表面气孔分析方法，其特征在于：所述方法基于卷积神经网络和图像识别，包括建立清水混凝土表面气孔识别标定模型以识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度，步骤如下：
(1)采集清水混凝土表面图像，包括不同控制变量下的图像数据；
(2)对清水混凝土表面图像进行预处理，包括剔除无效图像、像素大小统一化、添加坐标信息和打标签处理；
(3)通过卷积神经网络训练样本集，基于交叉验证法选择一个平均测试误差最小的气孔识别标定模型；
(4)基于清水混凝土表面气孔识别标定模型识别和计算气孔面积率、气孔孔径分布、气孔分布均匀度。


2.根据权利要求1所述的基于卷积神经网络的清水混凝土表面气孔分析方法，其特征在于：步骤(1)中采集清水混凝土表面图像的控制变量包括采集角度、扫描速度、光照强度和混凝土表面的潮湿度。


3.根据权利要求2所述的基于卷积神经网络的清水混凝土表面气孔分析方法，其特征在于：通过搭载扫描仪的无人机扫描或轨道式大幅面扫描仪组合交替的方式采集清水混凝土表面图像。


4.根据权利要求1所述的基于卷积神经网络的清水混凝土表面气孔分析方法，其特征在于：步骤(2)依次进行剔除无效图像、像素大小统一化、添加坐标信息和打标签处理，包括采用labeling...

【专利技术属性】
技术研发人员：钱春香，郝哲昕，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32