System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于深度学习的建筑施工数据资源存档方法技术_技高网

一种基于深度学习的建筑施工数据资源存档方法技术

技术编号:40475770 阅读:9 留言:0更新日期:2024-02-26 19:12
本发明专利技术公开了一种基于深度学习的建筑施工数据资源存档方法,属于建筑存档技术领域,包括建立信息库、获取项目信息、保存项目信息、信息反馈、查询授权管理和查询人员记录。本发明专利技术通过收录历史合格的建筑项目信息,并进行编码同时提取关键信息,方便用户查询学习,同时提取的关键信息便于用户根据自身的情况,进行选择性查看,从而方便用户使用,通过提取建筑项目信息的关键信息,并将提取的关键信息与信息库中的关键信息进行对比,可以实现待储存建筑项目信息的查重以及检测功能,通过对待储存的建筑项目信息进行编码且编码唯一性,便于查询的同时提高建筑项目信息的安全性,可以有针对性地查询所需的内容,提高查询效率。

【技术实现步骤摘要】

本专利技术涉及建筑存档,尤其涉及一种基于深度学习的建筑施工数据资源存档方法


技术介绍

1、随着经济的快速发展,建筑行业也得到了迅速的发展,建筑施工数据的存档梳理是建筑施工不可缺少的项目之一,同时建筑施工数据的存档与处理在城市建设等方面都具有很重要的参考价值和参考意义。

2、现有的建筑项目信息的储存方法只具有简单的储存功能,任何人只要有账号和密码均可浏览,使得建筑项目信息的隐私性和安全性不够高,从而不利于建筑项目信息的管理,另外,现有储存方法不利于建筑项目信息的分享,只有通过账号和密码才能登录浏览,较为麻烦,而且对建筑项目信息不具有检查功能,无法保证储存的建筑项目信息的准确性,容易出现误导他人的现象,因此提出一种基于深度学习的建筑施工数据资源存档方法解决上述问题。


技术实现思路

1、本专利技术的目的是为了解决现有技术中的问题,而提出的一种基于深度学习的建筑施工数据资源存档方法。

2、为了实现上述目的,本专利技术采用了如下技术方案:

3、一种基于深度学习的建筑施工数据资源存档方法,包括如下步骤,

4、s1、建立信息库:获取历史合格的建筑项目信息,对其进行归类并提取建筑项目信息中的关键信息,同时生成该项目信息的简介,将提取的关键信息与对应建筑项目简介进行整合保存并编码,形成信息库,获取历史合格建筑项目信息审核过程中所出现的问题以及解决问题的方案以及整合优秀建筑项目信息方案的审核标准以及段落解析,从而形成数据库;

5、s2、获取项目信息:用户需要先输入姓名、身份证号、所属部门、职位信息以及工号,然后才会进行录入程序,对于纸质施工信息,通过扫描仪进行扫描识别并转换成word格式文档,对于数据形式的建筑项目信息,可以通过数据线传输或者蓝牙传输的方式进行上传,传输成功的建筑项目信息同样转换成word格式文档,然后对该建筑项目信息进行归类,并提取建筑信息中的关键信息;

6、s3、保存项目信息:将s2中合格的建筑项目信息以及提取的关键信息进行整合保存并编码同时将整合好的信息内容进行压缩形成二维码信息,并反馈给用户,同时将s2中提取的关键信息中的对应项进行单独编码处理,并将对应编码反馈给用户;

7、s4、信息反馈:将s2中关键信息进行查重检测,并将不合格的数据整理成文档的形式,反馈至用户,用户可以利用数据线传输的方式或者蓝牙传输的方式,将其导入手机进行储存,将合格的建筑项目信息上传数据库,利用数据库中的审核标准对建筑项目信息进行审核并指出建筑项目信息中不合理的地方并给出判断依据,同时给出改进方案;

8、s5、查询授权管理:用户可以选择性的将对应编码发送至需要发送的人,实现信息分享授权的功能,方便用户选择性的分享信息,提高信息分享灵活性;

9、s6、查询人员记录:用户需要先输入姓名、身份证号、所属部门、职位信息以及工号,当所以信息均能够一一对应时,才会允许查询人员输入对应编码查看对应内容,同时会记录浏览时间、浏览次数以及查询人员的信息。

10、优选的,所述s1中的关键信息包括图片内容、施工人员姓名、施工周期、施工方案内容、施工材料信息以及施工设备信息。

11、优选的,所述s1和s3中编码具有唯一性,例如建筑项目信息总编码为n,对应的关键信息为n01、n02、n03...n0a,项目信息简介为n0a+1。

12、优选的,从所述s1的信息库中调取同类型的建筑项目信息中对应的关键信息与s2中提取的待储存建筑项目信息的关键信息进行比对,实现查重的同时,可以检测待储存建筑项目信息中的关键信息是否合理。

13、优选的,所述s2中合理的建筑项目信息进行后续的保存作业,不合理的建筑项目信息进行驳回,严重不合格的会将该建筑项目信息上传云端并发送至所属部门进行反馈。

14、优选的,所述s2中会统计待储存的建筑项目信息中不合理数据的数量以及判定不合理程度即相应数据与正常数据之间的偏离度,不合理数据的数量超过50%或者不合理程度超过30%,则判定该建筑项目信息沿着不合格。

15、优选的,相应数据与正常数据之间的偏离度为相应数据与正常数据之间的差值,例如正常数据50%,相应数据10%,二者之间差值为40%大于30%,说明该数据严重不合理。

16、优选的,用户可以将所述s3中生成的二维码通过转发的方式,实现建筑项目信息的发送功能,提高建筑项目信息的传递的便利性。

17、优选的,通过将所述s1的信息库中的关键信息与s3中提取建筑项目信息中的关键信息进行对比展示,并标注出二者之间的优缺点,然后反馈给用户,方便用户了解自身的优缺点,进而加以改进。

18、优选的,所述s1中对历史合格的建筑项目信息进行编码,提高历史合格的建筑项目信息保存的安全性,同时编码的设置方便历史合格建筑项目的查询。

19、相比现有技术,本专利技术的有益效果为:

20、1、本专利技术通过收录历史合格的建筑项目信息,并进行编码同时提取关键信息,方便用户查询学习,同时提取的关键信息便于用户根据自身的情况,进行选择性查看,从而方便用户使用。

21、2、本专利技术通过提取建筑项目信息的关键信息,并将提取的关键信息与信息库中的关键信息进行对比,可以实现待储存建筑项目信息的查重以及检测功能,保证储存的建筑项目信息的准确性。

22、3、本专利技术通过对待储存的建筑项目信息进行编码且编码唯一性,便于查询的同时,提高建筑项目信息的安全性,同时可以有针对性的查询所需的内容,提高查询效率。

23、4、本专利技术通过信息库中的关键信息与提取建筑项目信息中的关键信息进行对比展示,并标注出二者之间的优缺点,然后反馈给用户,方便用户了解自身的优缺点,进而加以改进。

本文档来自技高网...

【技术保护点】

1.一种基于深度学习的建筑施工数据资源存档方法,其特征在于,包括如下步骤,

2.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述S1中的关键信息包括图片内容、施工人员姓名、施工周期、施工方案内容、施工材料信息以及施工设备信息。

3.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述S1和S3中编码具有唯一性,例如建筑项目信息总编码为N,对应的关键信息为N01、N02、N03...N0a,项目信息简介为N0a+1。

4.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:从所述S1的信息库中调取同类型的建筑项目信息中对应的关键信息与S2中提取的待储存建筑项目信息的关键信息进行比对,实现查重的同时,可以检测待储存建筑项目信息中的关键信息是否合理。

5.根据权利要求4所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述S2中合理的建筑项目信息进行后续的保存作业,不合理的建筑项目信息进行驳回,严重不合格的会将该建筑项目信息上传云端并发送至所属部门进行反馈。

6.根据权利要求5所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述S2中会统计待储存的建筑项目信息中不合理数据的数量以及判定不合理程度即相应数据与正常数据之间的偏离度,不合理数据的数量超过50%或者不合理程度超过30%,则判定该建筑项目信息沿着不合格。

7.根据权利要求6所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:相应数据与正常数据之间的偏离度为相应数据与正常数据之间的差值,例如正常数据50%,相应数据10%,二者之间差值为40%大于30%,说明该数据严重不合理。

8.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:用户可以将所述S3中生成的二维码通过转发的方式,实现建筑项目信息的发送功能,提高建筑项目信息的传递的便利性。

9.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:通过将所述S1的信息库中的关键信息与S3中提取建筑项目信息中的关键信息进行对比展示,并标注出二者之间的优缺点,然后反馈给用户,方便用户了解自身的优缺点,进而加以改进。

10.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述S1中对历史合格的建筑项目信息进行编码,提高历史合格的建筑项目信息保存的安全性,同时编码的设置方便历史合格建筑项目的查询。

...

【技术特征摘要】

1.一种基于深度学习的建筑施工数据资源存档方法,其特征在于,包括如下步骤,

2.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述s1中的关键信息包括图片内容、施工人员姓名、施工周期、施工方案内容、施工材料信息以及施工设备信息。

3.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述s1和s3中编码具有唯一性,例如建筑项目信息总编码为n,对应的关键信息为n01、n02、n03...n0a,项目信息简介为n0a+1。

4.根据权利要求1所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:从所述s1的信息库中调取同类型的建筑项目信息中对应的关键信息与s2中提取的待储存建筑项目信息的关键信息进行比对,实现查重的同时,可以检测待储存建筑项目信息中的关键信息是否合理。

5.根据权利要求4所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述s2中合理的建筑项目信息进行后续的保存作业,不合理的建筑项目信息进行驳回,严重不合格的会将该建筑项目信息上传云端并发送至所属部门进行反馈。

6.根据权利要求5所述的一种基于深度学习的建筑施工数据资源存档方法,其特征在于:所述s2中...

【专利技术属性】
技术研发人员:康伟德孙玉龙钱增志方宏伟张捷曾帅康张云涛
申请(专利权)人:中铁建设集团有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1