一种混凝土浇筑质量识别方法、装置、设备及介质制造方法及图纸

本申请实施例提供的一种混凝土浇筑质量识别方法、装置、设备及介质，属于计算机技术领域。该方法包括采集混凝土浇筑时的浇筑图像；将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值；根据所述质量标识值确定所述混凝土浇筑的质量。本申请能够快速、无损的识别出混凝土浇筑工序和振捣质量，大大提高混凝土浇筑质量，节省了大量的人力物力，且避免了人为因素受主观影响，在工作过程中即可进行识别，大大提高了效率，有效避免各工序交接耗时较长且繁琐的问题。避免各工序交接耗时较长且繁琐的问题。避免各工序交接耗时较长且繁琐的问题。

【技术实现步骤摘要】
一种混凝土浇筑质量识别方法、装置、设备及介质


[0001]本申请涉及计算机
，具体而言，涉及一种混凝土浇筑质量识别方法、装置、设备及介质。

技术介绍

[0002]现浇混凝土作为建筑工程的一项重要工序，是工程施工质量的主要衡量指标，也是实现工程建设目标、保障建筑使用安全的关键。对混凝土的质量要求，不但要具有正确的外形，而且要获得良好的强度、密实性和整体性，因此在施工中如何确保混凝土工程质量是一个很重要的问题。
[0003]混凝土浇筑主要包括原材料配比和加工、性能检验、运输、振捣浇筑、养护这几个重要环节。原材料配比：技术人员应根据工程设计要求、建筑使用用途与相关施工规范，选择适当品种的水泥、砂石与外加剂等原材料。在原材料入场环节，管理人员对各类原材料的质检报告等文件进行核对记录，重点检查材料规格是否与采购清单一致。同时，从各类原材料中抽取少量样本进行检测，如若检测结果与采购清单符合，即可将材料运输入场。材料存储管理在原材料现场存储环节，偶尔出现存储不当、材料潮湿受损的问题，不但造成严重经济损失，还有可能对混凝土材料性能质量造成负面影响。因此，管理人员应将各类原材料在施工现场指定位置进行分类存储，营造适当的存储环境。例如，将水泥在干燥的室内环境进行存储。同时，定期开展材料清查盘点工作，检查各类原材料是否存在潮湿受损问题。混凝土性能检验在混凝土搅拌完毕后、以及混凝土浇筑作业开展前，工作人员重复对混凝土搅拌质量进行检查。例如，当混凝土搅拌不均匀或是出现离析现象时，应重复开展混凝土搅拌作业。混凝土试拌配合比方案不合理是混凝土浇筑质量的主要影响因素，将导致所配制混凝土材料性能质量与预期产生出入。而问题根源在于，部分技术人员专业素养不达标，所设置各类原材料用量比例不合理，所搅拌混凝土材料质量不符合相关施工标准。因此，在混凝土配合比方案编制环节，企业可选择组织开展混凝土试拌作业，基于配合比方案，搅拌少量混凝土材料。随后，将混凝土试品送至实验室进行检测，根据检测结果对配合比方案进行优化改进，直至混凝土材料质量达标、明确各项原材料最佳用量。在混凝土养护环节中，施工人员应做好混凝土温控工作，定期对混凝土表面温度与内外温差值进行测量。如若内外温差值较大时，应对混凝土表面进行保温处理，如覆盖保温保湿的塑料薄膜、蒸汽加热，或是提前在混凝土内部预设冷水管，避免混凝土出现温差裂缝；定期开展洒水养护作业，或是向混凝土表面喷涂养护液，将混凝土水分蒸发速度控制在合理范围内；根据施工现场气候条件，针对性制定养护方案，例如，在出现降雨气候时，可适当降低混凝土单次洒水量与洒水养护频率。
[0004]可见，每一道工序所需人力物力大，人为因素受主观影响大；聘用相应人员及相关设备，成本较大；各工序交接耗时较长，效率较低。
[0005]因此，如何解决上述问题是目前亟需解决的问题。

技术实现思路

[0006]本申请提供一种混凝土浇筑质量识别方法、装置、设备及介质，旨在改善上述问题。
[0007]第一方面，本申请提供的一种混凝土浇筑质量识别方法，所述方法包括：
[0008]采集混凝土浇筑时的浇筑图像；
[0009]将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值；
[0010]根据所述质量标识值确定所述混凝土浇筑的质量。
[0011]在一可能的实施例中，所述预训练的深度神经网络模型的训练过程包括：
[0012]采集浇筑视频，所述浇筑视频包含多个浇筑循环；每一所述浇筑循环的循环周期固定；
[0013]将每一所述浇筑循环中的图像作为训练图像对初始模型进行训练，直至训练至损失函数值收敛，得到所述预训练的深度神经网络模型。
[0014]在一可能的实施例中，所述预训练的深度神经网络模型由卷积神经网络和循环神经网络构成。
[0015]在一可能的实施例中，所述根据所述质量标识值确定所述混凝土浇筑的质量，包括：
[0016]查找预设质量库中所述质量标识值所对应的质量值，所述预设质量库中存储有多个质量标识值，以及每一所述质量标识值所对应的质量值；
[0017]将所述质量值转换为质量等级，所述质量等级用于表征所述混凝土浇筑的质量。
[0018]在一可能的实施例中，所述方法还包括：
[0019]确定所述混凝土浇筑的质量是否达到预设标准；
[0020]若否，将所述混凝土浇筑过程的浇筑视频发送至控制中心，以便于所述控制中心基于所述浇筑视频确定出所述混凝土浇筑的质量低于所述预设标准的因素。
[0021]在一可能的实施例中，所述将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值，包括：
[0022]将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值以及浇筑工序，所述质量标识值用于表征所述浇筑工序浇筑的混凝土的质量。
[0023]第二方面，本申请提供的一种混凝土浇筑质量识别装置，所述装置包括：
[0024]采集单元，用于采集混凝土浇筑时的浇筑图像；
[0025]处理单元，用于将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值；
[0026]识别单元，用于根据所述质量标识值确定所述混凝土浇筑的质量。
[0027]在一可能的实施例中，还包括：
[0028]发送处理单元，用于确定所述混凝土浇筑的质量是否达到预设标准；若否，将所述混凝土浇筑过程的浇筑视频发送至控制中心，以便于所述控制中心基于所述浇筑视频确定出所述混凝土浇筑的质量低于所述预设标准的因素。
[0029]第三方面，本申请还提供一种电子设备，包括：
[0030]存储器，用于存储可执行指令；
[0031]处理器，用于执行所述存储器中存储的可执行指令时，实现如第一方面任一项所述的混凝土浇筑质量识别方法。
[0032]第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理设备运行时执行如第一方面的任一项所述的混凝土浇筑质量识别方法的步骤。
[0033]上述本申请提供的一种混凝土浇筑质量识别方法、装置、设备及介质，本申请通过采集混凝土浇筑时的浇筑图像；将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值；根据所述质量标识值确定所述混凝土浇筑的质量，本申请能够快速、无损的识别出混凝土浇筑工序和振捣质量，大大提高混凝土浇筑质量，节省了大量的人力物力，且避免了人为因素受主观影响，在工作过程中即可进行识别，大大提高了效率，有效避免各工序交接耗时较长且繁琐的问题。
附图说明
[0034]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0035]图1为本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混凝土浇筑质量识别方法，其特征在于，所述方法包括：采集混凝土浇筑时的浇筑图像；将所述浇筑图像输入预训练的深度神经网络模型，输出所述浇筑图像的质量标识值；根据所述质量标识值确定所述混凝土浇筑的质量。2.根据权利要求1所述的方法，其特征在于，所述预训练的深度神经网络模型的训练过程包括：采集浇筑视频，所述浇筑视频包含多个浇筑循环；每一所述浇筑循环的循环周期固定；将每一所述浇筑循环中的图像作为训练图像对初始模型进行训练，直至训练至损失函数值收敛，得到所述预训练的深度神经网络模型。3.根据权利要求1所述的方法，其特征在于，所述预训练的深度神经网络模型由卷积神经网络和循环神经网络构成。4.根据权利要求1所述的方法，其特征在于，所述根据所述质量标识值确定所述混凝土浇筑的质量，包括：查找预设质量库中所述质量标识值所对应的质量值，所述预设质量库中存储有多个质量标识值，以及每一所述质量标识值所对应的质量值；将所述质量值转换为质量等级，所述质量等级用于表征所述混凝土浇筑的质量。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述混凝土浇筑的质量是否达到预设标准；若否，将所述混凝土浇筑过程的浇筑视频发送至控制中心，以便于所述控制中心基于所述浇筑视频确定出所述混凝土浇筑的质量低于所述预设标准的因素。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：汪承志，李鹏飞，李志明，王逸飞，陈东红，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：