基于区块链系统的混凝土坍落度损失判别方法技术方案

本申请的实施例提供了基于区块链系统的混凝土坍落度损失判别方法、装置、设备和计算机可读存储介质。所述方法包括获取运输混凝土车辆的车牌图像；确定所述车牌图像的图像特征向量，得到所述车牌图像的字符串识别结果；基于所述字符串识别结果，确定所述运输车辆运输的混凝土信息；获取施工现场的混凝土坍落度值，若该值小于阈值，则获取环境温度；基于所述混凝土信息和环境温度，通过预设算法，计算所述混凝土的坍落度，确定所述混凝土坍落度损失的因素，并上传至区块链系统。以此方式，可精准判别出对混凝土损失造成影响的因素，为后续管理人员对施工现场信息管理及调整混凝土配送处理方式提供启示。处理方式提供启示。处理方式提供启示。

【技术实现步骤摘要】
基于区块链系统的混凝土坍落度损失判别方法


[0001]本申请的实施例涉及数据处理
，尤其涉及基于区块链系统的混凝土坍落度损失判别方法、装置、设备和计算机可读存储介质。

技术介绍

[0002]混凝土是指由胶凝材料将集料胶结成整体的工程复合材料的统称，它广泛应用于土木工程，判断混凝土是否符合工地需求的一个重要参数是混凝土的坍落度。坍落度主要是指混凝土的塑化性能和可泵性能，是用一个量化指标来衡量其程度(塑化性和可泵性能)的高低，用于判断施工能否正常进行。
[0003]影响坍落度的因素有很多，如中途堵车导致超过混凝土初凝时间、配合比调配错误导致混凝土初凝时间提前、搅拌时间不充分导致混凝土和易性差等。
[0004]混凝土在搅拌、运输的过程中，其坍落度在不断变化，而混凝土的坍落度直接影响着混凝土的性能。对于传统的坍落度值测试中，并未考虑到影响混凝土坍落度损失过大的原因，以及环境温度、运输时间等对坍落度影响的内在联系，因此，导致了管理人员不容易判别坍落度损失过大原因，缺乏针对性的改进方法。

技术实现思路

[0005]根据本申请的实施例，提供了一种基于区块链系统的混凝土坍落度损失判别方案。
[0006]在本申请的第一方面，提供了一种基于区块链系统的混凝土坍落度损失判别方法。该方法包括：
[0007]获取运输混凝土车辆的车牌图像；
[0008]将所述车牌图像输入至预先训练的图像特征提取模型，得到所述车牌图像的图像特征向量；将所述图像特征向量输入至预先训练的字符识别模型，得到所述车牌图像的字符串识别结果；
[0009]基于所述字符串识别结果，确定所述运输车辆运输的混凝土信息；
[0010]获取施工现场的混凝土坍落度值，若该值小于阈值，则获取环境温度；基于所述混凝土信息和环境温度，通过预设算法，计算所述混凝土的坍落度，确定所述混凝土坍落度损失的因素，并上传至区块链系统。
[0011]进一步地，
[0012]所述图像特征提取模型为卷积神经网络，包括卷积层、池化层和批归一化层。
[0013]进一步地，所述图像特征提取模型与所述字符识别模型通过如下步骤训练得到：
[0014]生成训练样本集合，其中，训练样本包括车牌图像及对应车牌号；
[0015]将所述训练样本集合中的车牌图像的集合作为输入，将与所述车牌图像对应的车牌号作为期望输出，对所述图像特征提取模型及所述字符识别模型进行训练。
[0016]进一步地，所述混凝土信息包括水泥品种、含水量、外加剂的用量和/或混凝土出
罐坍落度信息。
[0017]进一步地，所述基于所述混凝土信息和实时获取的环境温度，通过预设算法，计算所述混凝土的坍落度包括：
[0018]若所述环境温度处于第一温度区间，则通过如下公式计算混凝土坍落度：
[0019]T
g
＝T
c
X
‑2(1+K)
[0020]其中，所述T
c
，为混凝土出罐时坍落度；
[0021]所述C，为混凝土出罐的时间；
[0022]所述X＝C+1；
[0023]所述K为水泥品种差异系数。
[0024]进一步地，所述基于所述混凝土信息和实时获取的环境温度，通过预设算法，计算所述混凝土的坍落度还包括：
[0025]若所述环境温度处于第二温度区间，则通过如下公式计算混凝土坍落度：
[0026][0027]其中，所述K为水泥品种差异系数。
[0028]进一步地，所述获取运输混凝土车辆的车牌图像包括：
[0029]通过IOT设备，获取运输混凝土车辆的车牌图像。
[0030]在本申请的第二方面，提供了一种基于区块链系统的混凝土坍落度损失判别装置。该装置包括：
[0031]获取模块，用于获取运输混凝土车辆的车牌图像；
[0032]识别模块，用于将所述车牌图像输入至预先训练的图像特征提取模型，得到所述车牌图像的图像特征向量；将所述图像特征向量输入至预先训练的字符识别模型，得到所述车牌图像的字符串识别结果；
[0033]确定模块，用于基于所述字符串识别结果，确定所述运输车辆运输的混凝土信息；
[0034]判别模块，用于获取施工现场的混凝土坍落度值，若该值小于阈值，则获取环境温度；基于所述混凝土信息和环境温度，通过预设算法，计算所述混凝土的坍落度，确定所述混凝土坍落度损失的因素，并上传至区块链系统。
[0035]在本申请的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
[0036]在本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本申请的第一方面的方法。
[0037]本申请实施例提供的基于区块链系统的混凝土坍落度损失判别方法，通过获取运输混凝土车辆的车牌图像；将所述车牌图像输入至预先训练的图像特征提取模型，得到所述车牌图像的图像特征向量；将所述图像特征向量输入至预先训练的字符识别模型，得到所述车牌图像的字符串识别结果；基于所述字符串识别结果，确定所述运输车辆运输的混凝土信息；获取施工现场的混凝土坍落度值，若该值小于阈值，则获取环境温度；基于所述混凝土信息和环境温度，通过预设算法，计算所述混凝土的坍落度，确定所述混凝土坍落度损失的因素，并上传至区块链系统，可精准判别出对混凝土损失造成影响的因素，为后续管理人员对施工现场信息管理及调整混凝土配送处理方式提供启示。
[0038]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本申请的实施例的关键或重要特征，亦非用于限制本申请的范围。本申请的其它特征将通过以下的描述变得容易理解。
附图说明
[0039]结合附图并参考以下详细说明，本申请各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
[0040]图1示出了根据本申请的实施例的基于区块链系统的混凝土坍落度损失判别方法的流程图；
[0041]图2示出了根据本申请的实施例的基于区块链系统的混凝土坍落度损失判别装置的方框图；
[0042]图3示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
[0043]为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
[0044]另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链系统的混凝土坍落度损失判别方法，其特征在于，包括：获取运输混凝土车辆的车牌图像；将所述车牌图像输入至预先训练的图像特征提取模型，得到所述车牌图像的图像特征向量；将所述图像特征向量输入至预先训练的字符识别模型，得到所述车牌图像的字符串识别结果；基于所述字符串识别结果，确定所述运输车辆运输的混凝土信息；获取施工现场的混凝土坍落度值，若该值小于阈值，则获取环境温度；基于所述混凝土信息和环境温度，通过预设算法，计算所述混凝土的坍落度，确定所述混凝土坍落度损失的因素，并上传至区块链系统。2.根据权利要求1所述的方法，其特征在于，所述图像特征提取模型为卷积神经网络，包括卷积层、池化层和批归一化层。3.根据权利要求2所述的方法，其特征在于，所述图像特征提取模型与所述字符识别模型通过如下步骤训练得到：生成训练样本集合，其中，训练样本包括车牌图像及对应车牌号；将所述训练样本集合中的车牌图像的集合作为输入，将与所述车牌图像对应的车牌号作为期望输出，对所述图像特征提取模型及所述字符识别模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述混凝土信息包括水泥品种、含水量、外加剂的用量和/或混凝土出罐坍落度信息。5.根据权利要求4所述的方法，其特征在于，所述基于所述混凝土信息和实时获取的环境温度，通过预设算法，计算所述混凝土的坍落度包括：若所述环境温度处于第一温度区间，则通过如下公式计算混凝土坍落度：T
g
＝T
c
X
‑2(1+K)其中，所述T

【专利技术属性】
技术研发人员：王宪章，王长军，庞森，刘冕，高振峰，王健，许丹丹，付新磊，
申请(专利权)人：北京市建设工程质量第六检测所有限公司中国建筑一局集团有限公司，
类型：发明
国别省市：