公路设施病害基于深度学习的标准化自动孪生方法及系统技术方案

本发明专利技术涉及人工智能和三维重建的工程应用领域，具体涉及公路设施病害基于深度学习的标准化自动孪生方法及系统，方法包括以下步骤：基于深度学习的分层级分类算法将在役公路设桥梁的主要病害类别自动分类；根据病害类别生成带桥梁病害信息的IFC文件，带桥梁病害信息的IFC文件是通过病害、元素病害以及桥梁检测任务的关系UML图建立的；建立带桥梁病害信息的IFC文件和桥梁的几何孪生模型上病害之间的关联，生成IFC结构化格式呈现的桥梁的几何孪生模型。本发明专利技术为桥梁检测病害数据管理和预测预警分析提供直观可靠的数据支撑。测预警分析提供直观可靠的数据支撑。测预警分析提供直观可靠的数据支撑。

【技术实现步骤摘要】
公路设施病害基于深度学习的标准化自动孪生方法及系统


[0001]本专利技术涉及人工智能和三维重建的工程应用领域，具体涉及一种公路设施病害基于深度学习的标准化自动孪生方法及系统。

技术介绍

[0002]桥梁是一个国家交通基础设施的重要组成部分。美国超过61万座在役桥梁中42%服役超过50年，7.5%(46154座)的桥梁被认为存在结构缺陷(ASCE,2021)。这些桥梁的维修维护需求总费用预估高达1250亿美元(ASCE,2021)。每年花费在桥梁修复上的支出大约为227亿美元。在英国，大概有超过3万座在役桥梁(Network Rail, 2015)的维护费用大约为每年40亿英镑(NAO,2018)。我国2019年在役公路桥梁数量超过了96万座(中华人民共和国交通运输部，2021)，同样面临巨额的维护修缮开销。由于资金需求庞大，各国政府和交通部门均采用系统的桥梁定期检查，对在役桥梁进行评级评估和预防性维护，优先考虑亟需修缮的项目，以最大限度提高投资成效比。
[0003]桥梁检测是桥梁运营期间，为了解在役桥梁基本运营和健康状况，研判养护、管本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公路设施病害基于深度学习的标准化自动孪生方法，其特征在于，包括以下步骤：基于深度学习的分层级分类算法将在役公路设桥梁的主要病害类别自动分类，得到病害类别；根据病害类别生成带桥梁病害信息的IFC文件，所述带桥梁病害信息的IFC文件是通过病害、元素病害以及桥梁检测任务的关系UML图建立的，所述关系UML图中，多个元素病害与一次特定的桥梁检测任务关联，病害传播到多个元素病害，并通过元素病害与桥梁检测任务关联；建立所述带桥梁病害信息的IFC文件和桥梁的几何孪生模型上病害之间的关联，生成IFC结构化格式呈现的桥梁的几何孪生模型。2.如权利要求1所述的一种公路设施病害基于深度学习的标准化自动孪生方法，其特征在于，病害传播到多个元素病害，并通过元素病害与桥梁检测任务关联具体步骤包括：使用聚合关系IfcRelAggregates将病害传播到多个元素病害；使用IfcTask创建桥梁检测任务；通过IfcRelAssignsToProcess将IfcTask分配给每个元素病害。3.如权利要求1
‑
2任一所述的一种公路设施病害基于深度学习的标准化自动孪生方法，其特征在于，还包括将病害几何和病害属性添加到所述桥梁的几何孪生模型上，所述病害几何是将裂缝和剥落/掉角进行病害几何重构生成的立体模型；所述病害属性用于描述病害的特征、位置和方向。4.如权利要求3所述的一种公路设施病害基于深度学习的标准化自动孪生方法，其特征在于，所述病害几何用IFC语句进行表达，使用IfcCartesianPoint定义特征点坐标，然后使用IfcPolyLoop构建特征点，使用IfcFaceOuterBound构建所述特征点坐标之间的连线，以及使用IfcFace来构建所述连线构成的面，从而生成所述立体模型。5.如权利要求4所述的一种公路设施病害基于深度学习的标准化自动孪生方法，...

【专利技术属性】
技术研发人员：黄文悦，岳建洪，黄迪，吕若丹，汪军，乔科，宋路兵，程文诚，沈国炎，杨洁，苏俊龙，李宁，许元，汪波，李勋，庞骁奕，王磊，包发文，康雨嘉，李鑫聃，余文劲，余沛侨，
申请(专利权)人：四川成邛雅高速公路有限责任公司，
类型：发明
国别省市：