基于图像处理的预应力构件性能数据分析方法及系统技术方案

本申请实施例提供一种基于图像处理的预应力构件性能数据分析方法及系统，通过对各个样例预应力构件的构件三维图像训练数据进行图像分块，生成多个构件图像分块训练数据，并提取关键图像连通域数据后利用构件性能估计网络提取各构件图像分块训练数据的语义性能矢量和非语义性能矢量，将非语义性能矢量与语义性能矢量进行汇聚，并通过构件性能估计网络对构件图像分块训练数据进行性能估计，得到构件性能估计指标，根据构件性能标注指标与构件性能估计指标之间的区别信息，计算构件性能估计误差值，并通过优化构件性能估计网络来改善预测准确性，以便于执行构件性能估计任务，可以提高性能估计的准确性和效率。以提高性能估计的准确性和效率。以提高性能估计的准确性和效率。

【技术实现步骤摘要】
基于图像处理的预应力构件性能数据分析方法及系统


[0001]本申请实施例涉及工程
，具体而言，涉及一种基于图像处理的预应力构件性能数据分析方法及系统。

技术介绍

[0002]预应力构件，也即预应力混凝土结构是在结构构件受外力荷载作用前，人为地对它施加压力，由此产生的预应力状态用以减小或抵消外荷载所引起的拉应力，即借助于混凝土较高的抗压强度来弥补其抗拉强度的不足，达到推迟受拉区混凝土开裂的目的。以预应力混凝土制成的结构，因以张拉钢筋的方法来达到预压应力，所以也称预应力钢筋混凝土结构。
[0003]在工程领域中，对于预应力构件的性能估计和监测具有重要意义。传统的构件性能评估方法主要依赖于实验测试和数值模拟分析，这些方法通常需要大量的时间、资源和成本，准确性和效率均存在局限性。

技术实现思路

[0004]为了至少克服现有技术中的上述不足，本申请实施例的目的在于提供一种基于图像处理的预应力构件性能数据分析方法及系统。
[0005]依据本申请实施例的一个方面，提供了一种基于图像处理的预应力构件性能数据分析方法，包括：对各个样例预应力构件的构件三维图像训练数据进行图像分块，生成多个构件图像分块训练数据，并提取各所述构件图像分块训练数据的关键图像连通域数据；依据构件性能估计网络对各所述构件图像分块训练数据执行基于对应关键图像连通域数据以及第一门控单元的语义性能矢量提取，生成各所述构件图像分块训练数据的语义性能矢量，所述第一门控单元被配置于选择所述关键图像连通域数据在所述语义性能矢量提取中的特征流入，所述语义性能矢量包括裂缝特征矢量、预应力筋特征矢量、构件尺寸特征矢量、破坏模式特征矢量中的至少一种；依据所述构件性能估计网络对各所述构件图像分块训练数据的关键图像连通域数据执行基于第二门控单元的非语义性能矢量提取，生成各所述构件图像分块训练数据的非语义性能矢量，所述第二门控单元被配置于选择所述关键图像连通域数据在所述非语义性能矢量提取中的特征流入，所述非语义性能矢量包括应变分布特征矢量、构件几何特征矢量、破坏区域特征矢量中的至少一种；依据所述构件性能估计网络将各所述构件图像分块训练数据的非语义性能矢量与各所述构件图像分块训练数据的语义性能矢量进行汇聚，并对各所述构件图像分块训练数据执行基于对应汇聚矢量的构件性能估计，生成各所述构件图像分块训练数据的构件性能估计指标；依据各所述构件图像分块训练数据的构件性能标注指标与各所述构件图像分块
训练数据的构件性能估计指标之间的区别信息，计算构件性能估计误差值，并依据所述构件性能估计误差值优化所述构件性能估计网络。
[0006]在第一方面的一种可能的实施方式中，所述提取各所述构件图像分块训练数据的关键图像连通域数据，包括：获取所述构件三维图像训练数据在每个图像分割维度的目标分割图像数据；对所述构件三维图像训练数据在多个所述图像分割维度的目标分割图像数据进行交融，生成所述构件三维图像训练数据的关键图像连通域数据；从所述构件三维图像训练数据的关键图像连通域数据中提取出各所述构件图像分块训练数据的关键图像连通域数据。
[0007]在第一方面的一种可能的实施方式中，所述对所述构件三维图像训练数据在多个所述图像分割维度的目标分割图像数据进行交融，生成所述构件三维图像训练数据的关键图像连通域数据，包括：获取所述构件三维图像训练数据的一个或多个关键应力区域；针对各所述图像分割维度，对所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据进行对应所述一个或多个关键应力区域的汇聚，生成各所述关键应力区域的目标分割图像数据；针对各所述图像分割维度进行下述步骤：对所述图像分割维度在各所述关键应力区域的目标分割图像数据进行规则化转换，生成所述图像分割维度在各所述关键应力区域的规则化图像特征；针对各所述关键应力区域进行下述步骤：对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行汇聚，生成所述构件三维图像训练数据在所述关键应力区域的汇聚图像特征；将多个所述关键应力区域的汇聚图像特征构成所述构件三维图像训练数据的关键图像连通域数据。
[0008]在第一方面的一种可能的实施方式中，，所述对所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据进行对应所述一个或多个关键应力区域的汇聚，生成各所述关键应力区域的目标分割图像数据，包括：从所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据中提取在每个关键应力像素单元区域的目标分割图像数据；针对各所述关键应力区域，对属于所述关键应力区域的所有关键应力像素单元区域的目标分割图像数据进行汇聚，生成对应所述关键应力区域的目标分割图像数据。
[0009]在第一方面的一种可能的实施方式中，所述对所述图像分割维度在各所述关键应力区域的目标分割图像数据进行规则化转换，生成所述图像分割维度在各所述关键应力区域的规则化图像特征，包括：获取多个所述关键应力区域的目标分割图像数据中的显著性图像特征，所述显著性图像特征用于表示所述目标分割图像数据中与其它同属性图像特征之间的差异大于设定差异的图像特征；针对各所述关键应力区域，将所述关键应力区域的目标分割图像数据与所述显著性图像特征的相乘特征作为所述关键应力区域的规则化图像特征。
[0010]在第一方面的一种可能的实施方式中，所述对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行汇聚，生成所述构件三维图像训练数据在所述关键应力区域的汇聚图像特征，包括：对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行极值图像特征提取，生成极值规则化图像特征；对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行均值计算，生成规则化图像平均特征；对所述极值规则化图像特征以及所述规则化图像平均特征进行均值计算，生成所述构件三维图像训练数据在所述关键应力区域的汇聚图像特征。
[0011]在第一方面的一种可能的实施方式中，所述依据所述构件性能估计网络对各所述构件图像分块训练数据执行基于对应关键图像连通域数据以及第一门控单元的语义性能矢量提取，生成各所述构件图像分块训练数据的语义性能矢量，包括：依据所述构件性能估计网络对各所述构件图像分块训练数据进行下述步骤：对所述构件图像分块训练数据进行语义相关特征矢量提取，生成所述构件图像分块训练数据的第一视觉检测特征和第一非视觉检测特征；当所述第一门控单元的第一门控节点激活时，对所述构件图像分块训练数据进行第一视觉检测，生成第二视觉检测特征，并对所述构件图像分块训练数据进行第一非视觉检测，生成第二非视觉检测特征；对所述关键图像连通域数据进行深度学习特征提取，生成第一图像深度学习特征；对所述第一视觉检测特征与所述第一图像深度学习特征进行区域权重分配，生成第一区域关注特征序列，并对所述第一非视觉检测特征与所述第一图像深度学习特征进行区域权重分配，生成第二区域关注特征序列；对所述第一区域关注特征序列与所述第二区域关注特征序列进行关联性配置，生成第一目标关注特征序列，并对所述第一目标关注特征序列、所述第二非视觉检测特征以及所述第二视觉检测特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的预应力构件性能数据分析方法，其特征在于，所述方法包括：对各个样例预应力构件的构件三维图像训练数据进行图像分块，生成多个构件图像分块训练数据，并提取各所述构件图像分块训练数据的关键图像连通域数据；依据构件性能估计网络对各所述构件图像分块训练数据执行基于对应关键图像连通域数据以及第一门控单元的语义性能矢量提取，生成各所述构件图像分块训练数据的语义性能矢量，所述第一门控单元被配置于选择所述关键图像连通域数据在所述语义性能矢量提取中的特征流入，所述语义性能矢量包括裂缝特征矢量、预应力筋特征矢量、构件尺寸特征矢量、破坏模式特征矢量中的至少一种；依据所述构件性能估计网络对各所述构件图像分块训练数据的关键图像连通域数据执行基于第二门控单元的非语义性能矢量提取，生成各所述构件图像分块训练数据的非语义性能矢量，所述第二门控单元被配置于选择所述关键图像连通域数据在所述非语义性能矢量提取中的特征流入，所述非语义性能矢量包括应变分布特征矢量、构件几何特征矢量、破坏区域特征矢量中的至少一种；依据所述构件性能估计网络将各所述构件图像分块训练数据的非语义性能矢量与各所述构件图像分块训练数据的语义性能矢量进行汇聚，并对各所述构件图像分块训练数据执行基于对应汇聚矢量的构件性能估计，生成各所述构件图像分块训练数据的构件性能估计指标；依据各所述构件图像分块训练数据的构件性能标注指标与各所述构件图像分块训练数据的构件性能估计指标之间的区别信息，计算构件性能估计误差值，并依据所述构件性能估计误差值优化所述构件性能估计网络，并基于优化后的构件性能估计网络执行构件性能估计任务。2.根据权利要求1所述的基于图像处理的预应力构件性能数据分析方法，其特征在于，所述提取各所述构件图像分块训练数据的关键图像连通域数据，包括：获取所述构件三维图像训练数据在每个图像分割维度的目标分割图像数据；对所述构件三维图像训练数据在多个所述图像分割维度的目标分割图像数据进行交融，生成所述构件三维图像训练数据的关键图像连通域数据；从所述构件三维图像训练数据的关键图像连通域数据中提取出各所述构件图像分块训练数据的关键图像连通域数据。3.根据权利要求2所述的基于图像处理的预应力构件性能数据分析方法，其特征在于，所述对所述构件三维图像训练数据在多个所述图像分割维度的目标分割图像数据进行交融，生成所述构件三维图像训练数据的关键图像连通域数据，包括：获取所述构件三维图像训练数据的一个或多个关键应力区域；针对各所述图像分割维度，对所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据进行对应所述一个或多个关键应力区域的汇聚，生成各所述关键应力区域的目标分割图像数据；针对各所述图像分割维度进行下述步骤：对所述图像分割维度在各所述关键应力区域的目标分割图像数据进行规则化转换，生成所述图像分割维度在各所述关键应力区域的规则化图像特征；针对各所述关键应力区域进行下述步骤：
对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行汇聚，生成所述构件三维图像训练数据在所述关键应力区域的汇聚图像特征；将多个所述关键应力区域的汇聚图像特征构成所述构件三维图像训练数据的关键图像连通域数据。4.根据权利要求3所述的基于图像处理的预应力构件性能数据分析方法，其特征在于，所述对所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据进行对应所述一个或多个关键应力区域的汇聚，生成各所述关键应力区域的目标分割图像数据，包括：从所述构件三维图像训练数据在所述图像分割维度的目标分割图像数据中提取在每个关键应力像素单元区域的目标分割图像数据；针对各所述关键应力区域，对属于所述关键应力区域的所有关键应力像素单元区域的目标分割图像数据进行汇聚，生成对应所述关键应力区域的目标分割图像数据。5.根据权利要求3所述的基于图像处理的预应力构件性能数据分析方法，其特征在于，所述对所述图像分割维度在各所述关键应力区域的目标分割图像数据进行规则化转换，生成所述图像分割维度在各所述关键应力区域的规则化图像特征，包括：获取多个所述关键应力区域的目标分割图像数据中的显著性图像特征，所述显著性图像特征用于表示所述目标分割图像数据中与其它同属性图像特征之间的差异大于设定差异的图像特征；针对各所述关键应力区域，将所述关键应力区域的目标分割图像数据与所述显著性图像特征的相乘特征作为所述关键应力区域的规则化图像特征。6.根据权利要求3所述的基于图像处理的预应力构件性能数据分析方法，其特征在于，所述对多个所述图像分割维度在所述关键应力区域的规则化图像特征进行汇聚，生成所述构件三维图像训练数据在所述关键应力区域的汇聚图像特征，包括：对多个所述图像分割维度在所述关键应力区域的规则...

【专利技术属性】
技术研发人员：万俊飞，杨尚荣，段鑫朋，李云鹏，高洋，田淇，吴志翰，
申请(专利权)人：深圳市特区建工科工集团盛腾科技有限公司，
类型：发明
国别省市：