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() 施工进度的智能监控预警系统及方法技术方案_技高网

施工进度的智能监控预警系统及方法技术方案

技术编号:40609587 阅读:3 留言:0更新日期:2024-03-12 22:17
本申请公开了一种施工进度的智能监控预警系统及方法,其通过部署于施工现场的多个监控终端设备分别采集不同的施工局部区域监控视频,并在后端引入基于人工智能的数据处理和视频语义理解技术来进行这些施工局部区域监控视频的语义分析和关联,以此来进行施工进度的检测和异常程度的判断,并在异常程度超过预期时发出预警信号。这样,能够实现对施工进度的实时监测和预警,并根据施工进度的实际情况来提供相应的预警提示,以提高对施工进度异常情况的及时响应能力,从而帮助项目管理人员及时采取措施解决问题,确保施工项目按时完成。

【技术实现步骤摘要】

本申请涉及智能预警领域,且更为具体地,涉及一种施工进度的智能监控预警系统及方法


技术介绍

1、在建筑施工项目中,施工进度监控是建筑施工项目管理中的重要环节。通过对施工进度进行监控,可以及时了解施工工序的完成情况,发现潜在的延误或异常情况,并采取相应的措施进行调整和管理,以确保项目按时完成。

2、然而,传统的施工进度监控方式通常依赖于人工观察和手动记录,这种方式需要大量的人力投入,例如人工观察、记录和分析施工现场的情况,这不仅增加了人力成本,还容易出现人为错误和疏漏。同时,人工监控的方式无法实时获取施工现场的状态信息且容易受到个人经验和主观意识的影响,导致监控结果的时效性较差,无法及时发现和处理施工进度的异常情况,还会使得监控结果的准确性和效率不高。

3、因此,期望一种优化的施工进度的智能监控预警系统。


技术实现思路

1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种施工进度的智能监控预警系统及方法,其通过部署于施工现场的多个监控终端设备分别采集不同的施工局部区域监控视频,并在后端引入基于人工智能的数据处理和视频语义理解技术来进行这些施工局部区域监控视频的语义分析和关联,以此来进行施工进度的检测和异常程度的判断,并在异常程度超过预期时发出预警信号。这样,能够实现对施工进度的实时监测和预警,并根据施工进度的实际情况来提供相应的预警提示,以提高对施工进度异常情况的及时响应能力,从而帮助项目管理人员及时采取措施解决问题,确保施工项目按时完成。

2、根据本申请的一个方面,提供了一种施工进度的智能监控预警系统,其包括:施工区域监控视频采集模块,用于获取由被监控施工现场的多个监控终端设备采集的施工局部区域监控视频的集合,其中,所述多个监控终端设备分别部署于多个不同的施工区域;局部区域施工状态特征提取模块,用于将所述施工局部区域监控视频的集合中的各个施工局部区域监控视频通过基于深度神经网络模型的局部区域施工状态时序关联特征提取器以得到多个施工局部区域状态特征图;局部区域状态特征降噪模块,用于将所述多个施工局部区域状态特征图分别通过降噪稀疏器以得到多个降噪后施工局部区域状态特征图;施工状态语义差异度量模块,用于对所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图进行施工状态语义差异度量分析以得到施工状态语义度量向量;施工进度语义分析模块,用于融合所述多个降噪后施工局部区域状态特征图和所述施工状态语义度量向量以得到施工进度语义特征;施工进度检测预警模块,用于基于所述施工进度语义特征,确定施工进度的异常程度等级,并确定是否产生施工进度预警提示信号。

3、根据本申请的另一个方面,提供了一种施工进度的智能监控预警方法,其包括:获取由被监控施工现场的多个监控终端设备采集的施工局部区域监控视频的集合,其中,所述多个监控终端设备分别部署于多个不同的施工区域;将所述施工局部区域监控视频的集合中的各个施工局部区域监控视频通过基于深度神经网络模型的局部区域施工状态时序关联特征提取器以得到多个施工局部区域状态特征图;将所述多个施工局部区域状态特征图分别通过降噪稀疏器以得到多个降噪后施工局部区域状态特征图;对所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图进行施工状态语义差异度量分析以得到施工状态语义度量向量;融合所述多个降噪后施工局部区域状态特征图和所述施工状态语义度量向量以得到施工进度语义特征;基于所述施工进度语义特征,确定施工进度的异常程度等级,并确定是否产生施工进度预警提示信号。

4、与现有技术相比,本申请提供的一种施工进度的智能监控预警系统及方法,其通过部署于施工现场的多个监控终端设备分别采集不同的施工局部区域监控视频,并在后端引入基于人工智能的数据处理和视频语义理解技术来进行这些施工局部区域监控视频的语义分析和关联,以此来进行施工进度的检测和异常程度的判断,并在异常程度超过预期时发出预警信号。这样,能够实现对施工进度的实时监测和预警,并根据施工进度的实际情况来提供相应的预警提示,以提高对施工进度异常情况的及时响应能力,从而帮助项目管理人员及时采取措施解决问题,确保施工项目按时完成。

本文档来自技高网
...

【技术保护点】

1.一种施工进度的智能监控预警系统,其特征在于,包括:施工区域监控视频采集模块,用于获取由被监控施工现场的多个监控终端设备采集的施工局部区域监控视频的集合,其中,所述多个监控终端设备分别部署于多个不同的施工区域;局部区域施工状态特征提取模块,用于将所述施工局部区域监控视频的集合中的各个施工局部区域监控视频通过基于深度神经网络模型的局部区域施工状态时序关联特征提取器以得到多个施工局部区域状态特征图;局部区域状态特征降噪模块,用于将所述多个施工局部区域状态特征图分别通过降噪稀疏器以得到多个降噪后施工局部区域状态特征图;施工状态语义差异度量模块,用于对所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图进行施工状态语义差异度量分析以得到施工状态语义度量向量;施工进度语义分析模块,用于融合所述多个降噪后施工局部区域状态特征图和所述施工状态语义度量向量以得到施工进度语义特征;施工进度检测预警模块,用于基于所述施工进度语义特征,确定施工进度的异常程度等级,并确定是否产生施工进度预警提示信号。

2.根据权利要求1所述的施工进度的智能监控预警系统,其特征在于,所述深度神经网络模型为三维卷积神经网络模型。

3.根据权利要求2所述的施工进度的智能监控预警系统,其特征在于,所述局部区域状态特征降噪模块,用于:将所述多个施工局部区域状态特征图分别通过降噪稀疏器以如下降噪公式进行处理以得到所述多个降噪后施工局部区域状态特征图;其中,所述降噪公式为:;其中,为所述多个施工局部区域状态特征图中的各个施工局部区域状态特征图,表示按位置点乘,为门限特征图,为所述多个降噪后施工局部区域状态特征图中的各个降噪后施工局部区域状态特征图,为每个所述施工局部区域状态特征图中各个位置的特征值,为所述门限特征图中各个位置的特征值,和为超参数,表示门限函数的条件集合。

4.根据权利要求3所述的施工进度的智能监控预警系统,其特征在于,所述施工状态语义差异度量模块,用于:计算所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图的施工状态语义差异度量系数以得到所述施工状态语义度量向量。

5.根据权利要求4所述的施工进度的智能监控预警系统,其特征在于,所述施工状态语义差异度量模块,用于:以如下差异度量公式计算所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图的施工状态语义差异度量系数以得到所述施工状态语义度量向量;其中,所述公式为:;其中,是第一全局交叉熵加权系数,是第一初始特征图中的第个位置的值,是第二初始特征图中的第个位置的值,是所述第一初始特征图和所述第二初始特征图的宽度,是所述第一初始特征图和所述第二初始特征图的高度,第一初始特征图和所述第二初始特征图具有相同的高度和宽度,且是所述卷积神经网络的通道数。

6.根据权利要求5所述的施工进度的智能监控预警系统,其特征在于,所述施工进度语义分析模块,包括:全局施工状态语义聚合单元,用于将所述多个降噪后施工局部区域状态特征图按照所述多个监控终端设备所在的空间位置维度进行聚合以得到施工全局状态特征图;施工状态多维度特征融合单元,用于使用元网络逐通道响应融合模块对所述施工状态语义度量向量和所述施工全局状态特征图进行处理以得到施工进度语义特征图作为所述施工进度语义特征。

7.根据权利要求6所述的施工进度的智能监控预警系统,其特征在于,所述施工状态多维度特征融合单元,用于:将所述施工全局状态特征图通过所述参数引导跨模态编码器的卷积神经网络模型中进行处理以得到施工全局状态增强语义特征图;将所述施工状态语义度量向量通过所述参数引导跨模态编码器的第一卷积层后再通过ReLU函数进行线性修正处理以得到线性修正后施工状态语义度量向量;将所述线性修正后施工状态语义度量向量通过所述参数引导跨模态编码器的第二卷积层后再通过Sigmoid 函数进行处理以得到归一化后施工状态语义度量向量;以所述归一化后施工状态语义度量向量对所述施工全局状态增强语义特征图进行沿通道维度的加权融合以得到所述施工进度语义特征图。

8.根据权利要求7所述的施工进度的智能监控预警系统,其特征在于,所述施工进度检测预警模块,包括:施工进度异常程度检测单元,用于将所述施工进度语义特征图通过分类器以得到分类结果,所述分类结果用于表示施工进度的异常程度等级;施工进度预警单元,用于响应于所述施工进度的异常程度等级大于预定阈值,产生施工进度预警提示信号。

9.根据权利要求8所述的施工进度的智能监控预警系统,其特征在于,还包括用于对所述基于深度神经网络模型的局部区域施工状态时序关联特征提取器、所述降噪稀疏器、所述元网络逐通道响应融合模块...

【技术特征摘要】

1.一种施工进度的智能监控预警系统,其特征在于,包括:施工区域监控视频采集模块,用于获取由被监控施工现场的多个监控终端设备采集的施工局部区域监控视频的集合,其中,所述多个监控终端设备分别部署于多个不同的施工区域;局部区域施工状态特征提取模块,用于将所述施工局部区域监控视频的集合中的各个施工局部区域监控视频通过基于深度神经网络模型的局部区域施工状态时序关联特征提取器以得到多个施工局部区域状态特征图;局部区域状态特征降噪模块,用于将所述多个施工局部区域状态特征图分别通过降噪稀疏器以得到多个降噪后施工局部区域状态特征图;施工状态语义差异度量模块,用于对所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图进行施工状态语义差异度量分析以得到施工状态语义度量向量;施工进度语义分析模块,用于融合所述多个降噪后施工局部区域状态特征图和所述施工状态语义度量向量以得到施工进度语义特征;施工进度检测预警模块,用于基于所述施工进度语义特征,确定施工进度的异常程度等级,并确定是否产生施工进度预警提示信号。

2.根据权利要求1所述的施工进度的智能监控预警系统,其特征在于,所述深度神经网络模型为三维卷积神经网络模型。

3.根据权利要求2所述的施工进度的智能监控预警系统,其特征在于,所述局部区域状态特征降噪模块,用于:将所述多个施工局部区域状态特征图分别通过降噪稀疏器以如下降噪公式进行处理以得到所述多个降噪后施工局部区域状态特征图;其中,所述降噪公式为:;其中,为所述多个施工局部区域状态特征图中的各个施工局部区域状态特征图,表示按位置点乘,为门限特征图,为所述多个降噪后施工局部区域状态特征图中的各个降噪后施工局部区域状态特征图,为每个所述施工局部区域状态特征图中各个位置的特征值,为所述门限特征图中各个位置的特征值,和为超参数,表示门限函数的条件集合。

4.根据权利要求3所述的施工进度的智能监控预警系统,其特征在于,所述施工状态语义差异度量模块,用于:计算所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图的施工状态语义差异度量系数以得到所述施工状态语义度量向量。

5.根据权利要求4所述的施工进度的智能监控预警系统,其特征在于,所述施工状态语义差异度量模块,用于:以如下差异度量公式计算所述多个降噪后施工局部区域状态特征图中任意两个降噪后施工局部区域状态特征图的施工状态语义差异度量系数以得到所述施工状态语义度量向量;其中,所述公式为:;其中,是第一全局交叉熵加权系数,是第一初始特征图中的第个位置的值,是第二初始特征图中的第个位置的值,是所述第一初始特征图和所述第二初始特征图的宽度,是所述第一初始特征图和所述第二初始特征图的高度,第一初始特征图和所述第二初始特征图具有相同的高度和宽度,且是所述卷积神经网络的通道数。

6.根据权利要求5所述的施工进度的智能监控预警系统,其特征在于,所述施工进度语义分析模块,包括:全局施工状态语义聚合单元,用于将所述多个降噪后施工局部区域状态特征图按照所述多个监控终端设备所在的空间位置维度进行聚合以得到施工全局状态特征图;施工状态多维度特征融合单元,用于使用元网络逐通道响应融合模块对所述施工状态语义度量向量和所述施工全局状态特征图进行处理以得到施工进度语义特征图作为所述施工进度语义特征。

7.根据权利要求6所述的施工进度的智能监控预警系统,其特征在于,所述施工状态多维度特征融合单元,用于:将所述施工全局状态特征图通过所述参数引导跨模态编码器的卷积神经网络模型中进行处理以得到施工全局状态增强语义特征图;将所述施工...

【专利技术属性】
技术研发人员:傅子登龙晖李卫国喻鹏许哲晖王璐郭晨
申请(专利权)人:新疆盛诚工程建设有限责任公司
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