【技术实现步骤摘要】
一种基于人工智能视频分析的自伴混凝土质量管理方法
本专利技术涉及建筑工程
，具体来说，涉及一种基于人工智能视频分析的自伴混凝土质量管理方法。
技术介绍
在建筑作业中，混凝土的质量对建筑的质量极其重要的因素之一，因而国家层面对混凝土的生产质量有着明确的规范和强制监管。通常情况下，对混凝土的生产质量监管，往往通过具有相关监理资格的监理人员，进行现场人工监督的方式，来达到严格监管的目的，该过程专业术语为“旁站监理”，其主要缺点有以下几点：1.旁站监理过程中，由于缺少影像等有效监督手段，因而，由于监理人员专业素质差或利益交换等原因，容易导致不能有效作为、少作为、恶意不作为等情况出现；2.旁站监理对相关指标记录不认真或者不规范，导致对监理过程无有效可追溯性；3.旁站过程中对发现有安全、质量隐患或违反工程建设强制性标准要求的行为，停留在整改建议或口头通知，对整改情况不跟踪封闭；4.旁站监督管理的成本高、人效低。基于上述缺点，急需一种具备人工智能视频分析的自伴混凝土质量管理方法出现。针对相关技术中的问题，目前尚未提出
【技术保护点】
1.一种基于人工智能视频分析的自伴混凝土质量管理方法，其特征在于，该方法包括：/na1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行高效的事件分割判断，当前时间窗口视频的事件类型分为：单位盛具称重环节、单位车称重环节、入料口入料环节、搅拌环节、试块制作环节、塌落度测试环节；/na2.针对单位盛具称重环节的视频段，用SSD算法和OCR算法完成各材质在单位盛具中的重量分析，其输出结果为材料类型、单位盛具的重量；/na3.针对单位车盛装环节的视频段，用CoViAR-resnet算法实现盛装行为分析、SSD算法完成盛装材质类型识别，其输出结果为材料类型...
【技术特征摘要】
1.一种基于人工智能视频分析的自伴混凝土质量管理方法，其特征在于，该方法包括：
a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行高效的事件分割判断，当前时间窗口视频的事件类型分为：单位盛具称重环节、单位车称重环节、入料口入料环节、搅拌环节、试块制作环节、塌落度测试环节；
a2.针对单位盛具称重环节的视频段，用SSD算法和OCR算法完成各材质在单位盛具中的重量分析，其输出结果为材料类型、单位盛具的重量；
a3.针对单位车盛装环节的视频段，用CoViAR-resnet算法实现盛装行为分析、SSD算法完成盛装材质类型识别，其输出结果为材料类型、盛装次数；
a4.针对入料口入料环节的视频段，用CoViAR-resnet算法和SSD算法完成入料口入料环节下加入到搅拌机中各材料的行为过程分析，其输出结果为材料类型、加入次数；
a5.针对搅拌环节的视频段，用CoViAR-resnet算法完成搅拌机工作的相关状态分析：入料、搅拌、出料、停止，其输出结果为状态、起止时刻；
a6.针对试块制作环节的视频段，用SSD算法完成时刻制作中试块个数分析，其输出结果为：试块数量；
a7.针对塌落度测试环节的视频段，用SSD算法和OCR算法完成塌落度估计分析，其输出结果为塌落度筒外接矩形坐标点、混凝土外接矩形坐标点、测定塌落度桶顶部与试验混凝土顶部之间卷尺刻度信息；
a8.综合步骤a1至步骤a7中的输出信息，进行输出的信息与设定的标准值进行对比，对存在风险的事件发出预警；
a9.基于步骤a1至步骤a7中的输出信息，对全部视频进行结构化存储。
2.根据权利要求1所述的一种基于人工智能视频分析的自伴混凝土质量管理方法，其特征在于，所述视频行为分析算法CoViAR步骤：
b1：CoViAR的输入是“压缩视频流”；
b2：对压缩视频流的P序列帧中的M信号即MotionVector运动信号、R值即ResidualP帧+M信号后相对于视频中的原始图像I帧的残值信号，进行累积解耦变换得到“解耦后的累积M信号”、“解耦后的累积R信号”，形成“解耦压缩视频流”；
b3：构建3个子模型：对原始信息“I帧”构建一个resnet152大分类器、对“解耦后的累积M信号”构建小分类器resnet18-0、对“解耦后的累积R信号”构建小分类器resnet18-...
【专利技术属性】
技术研发人员：高来先，李永忠，张永炘，吴国爱，黄伟文，李佳祺，贾云博，邓先亮，何东城，
申请(专利权)人：广东创成建设监理咨询有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。