【技术实现步骤摘要】
本专利技术涉及混凝土养护，具体而言，涉及一种基于深度学习的混凝土梁智能养护系统及方法。
技术介绍
1、混凝土具有强度高、耐久性好、原材料来源广、制作工艺简单、成本较低，适用于各种自然环境等优点。它是目前世界上应用最广泛、使用量最大的建筑材料。若混凝土养护工作处理不当，会导致混凝土结构出现结构裂缝、表面粉化、强度降低等质量通病问题。因此做好混凝土养护是保证工程质量的一项非常重要的工作。
2、梁场是生产桥梁预制混凝土简支梁的地方。预制梁的生产过程主要包括底膜制作、模板制作、浇筑混凝土、张拉压浆、喷淋养护等。目前梁场里的养护方式主要存在一下以下几个方面的问题：(1)人工洒水不规范；为保持混凝土在浇筑以后标准养护周期内表面湿润，充分散除水化热，养护前期的洒水次数应频繁，往后逐渐减少洒水次数，以适应水化热的释放。而人工洒水随意性较大，往往难以保证养护质量；(2)对温度、湿度的掌握不准确；按照施工规范要求需要对养护结构物表面环境温度、湿度进行定时监测以采取相应的养护措施，而现场对温度监测不规范，对湿度基本没有监测，难以做到适时养护；(3)养护用水量不足或过多；洒水过少则往往产生干缩裂缝，洒水过多则造成水资源浪费，且过多的洒水往往造成混凝土早期表面强度偏低，产生掉色、水痕等质量缺陷；(4)养护效率低；人工养护需要专人来完成，一个大型梁场需配置1-2名养护工人且劳动强度高，因而养护成本较高，养护效率低下。
3、目前现有混凝土梁虽然也具有智能养护系统，但是大部分是基于自动化控制技术，进行定时定量洒水，仍存在洒水不足或洒水过
4、有鉴于此，特提出本申请。
技术实现思路
1、本专利技术所要解决的技术问题是现有的混凝土梁养护技术需要人力，费时费力，养护成本高、养护效率低下且人工洒水不规范，而智能养护系统是基于自动化控制技术建立，进行定时定量洒水，存在着养护水用量不足或过多的缺陷，目的在于提供一种基于深度学习的混凝土梁智能养护系统及方法，不仅省去传统智能养护需人工洒水的工作，在提高养护效率的同时达到了减小现场工作强度和人为影响的效果，保障了混凝土梁养护质量，同时也加快了混凝土梁养护的智能化和数字化升级。
2、本专利技术通过下述技术方案实现：
3、一方面，本专利技术提供一种基于深度学习的混凝土梁智能养护系统，包括：
4、前置采集系统，用于采集混凝土梁表面图像并传至控制系统；
5、控制系统，用于建立基于faster rcnn的混凝土表面湿度、强度、含水率的监测模型，根据采集图像对混凝土梁表面湿度、强度、含水率进行监测，并计算混凝土梁表面所需的喷淋用水量并传至养护系统；
6、养护系统，用于根据控制系统计算得出的喷淋用水量，对混凝土梁表面进行洒水养护；
7、云端服务器：用于实时接收混凝土梁不同浇筑点的数据并存储在云端数据库中。
8、本专利技术的智能养护系统，不仅省去传统智能养护需人工洒水的工作，在提高养护效率的同时达到了减小现场工作强度和人为影响的效果，保障了混凝土梁养护质量，而且在机器视觉技术、深度学习算法在工业控制领域应用愈来愈广泛的背景下，加快了混凝土梁养护的智能化和数字化升级。
9、在某一具体实施方式中，所述前置采集系统包括照相机和滑轨，所述滑轨沿着待养护的混凝土梁四周铺设，所述照相机通过相机支架安装在滑轨上。
10、在某一具体实施方式中，所述养护系统包括喷淋装置，所述喷淋装置包括水箱、泵、喷淋水管、旋转式喷头和冷却管路，所述喷淋装置沿着滑轨的轨迹均匀分布设置。
11、在某一具体实施方式中，所述喷淋装置喷淋时水呈雾状。
12、在某一具体实施方式中，所述监测模型的构建方法如下：
13、s1,数据集的设定，包括图像大小、图像数量；
14、s2：对采集后的图像进行预处理；
15、s3：采用labelimg工具对处理后的图像进行标注，标注内容为各图像对应的表面湿度、含水率、强度；
16、s4：将标注后的图像进行格式转换，将图片类型转换为张量以便训练；
17、s5：将数据集按7:2:1的比例分为训练集、测试集、实践集，基于faster rcnn建立监测模型并进行训练；
18、s6：基于评估指标对监测模型进行效果评估。
19、在某一具体实施方式中，步骤s1中，所述数据集的构建方法如下：
20、分别制备强度等级为c30-c60的混凝土试块；
21、利用照相机采集混凝土试块的强度、表面湿度、含水率的图像数据，构成数据集。
22、在某一具体实施方式中，采集混凝土试块强度图像时，镜头分别距离混凝土试块表面150mm、225mm、300mm，且镜头与混凝土试块表面分别成0°、30°、45°进行多方位多距离采集。
23、在某一具体实施方式中，步骤s2中，预处理技术包括mask处理、滤波处理、图像增广技术、颜色空间转换技术。
24、第二方面，本专利技术还提供一种基于深度学习的混凝土梁智能养护方法，基于上述养护系统，包括如下步骤：
25、s1：将照相机安装在滑轨上，实时观测待养护混凝土梁表面，并拍摄图像传至控制系统；
26、s2：根据前置采集系统传输的图像，所述控制系统的监测模型得到此时待养护混凝土梁的表面湿度、强度及含水率，判断混凝土梁表面图像的表层湿度是否小于90％，若小于90％，控制系统计算所需的喷淋用水量并传至养护系统；
27、s3：根据控制系统计算得出的喷淋用水量，喷淋装置待养护对混凝土梁进行洒水养护；
28、s4：物联网云端服务器实时接收不同浇筑点的数据并存储云端。
29、在某一具体实施方式中，所需的喷淋用水量根据当时待养护混凝土梁的含水率及水化热规律进行计算。
30、本专利技术与现有技术相比，具有如下的优点和有益效果：
31、本专利技术实施例提供的一种基于深度学习的混凝土梁智能养护系统及方法，根据前置采集系统传输的图像，通过控制系统的监测模型能得到此时混凝土梁的表面湿度及含水率，同时准确计算喷淋用水量，不仅省去传统智能养护需人工洒水的工作，在提高养护效率的同时达到了减小现场工作强度和人为影响的效果，保障了混凝土梁养护质量，而且在机器视觉技术、深度学习算法在工业控制领域应用愈来愈广泛的背景下，加快了混凝土梁养护的智能化和数字化升级。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的混凝土梁智能养护系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述前置采集系统包括照相机和滑轨，所述滑轨沿着待养护的混凝土梁四周铺设，所述照相机通过相机支架安装在滑轨上。
3.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述养护系统包括喷淋装置，所述喷淋装置包括水箱、泵、喷淋水管、旋转式喷头和冷却管路。
4.根据权利要求3所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述喷淋装置喷淋时水呈雾状。
5.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述监测模型的构建方法如下：
6.根据权利要求7所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，步骤S1中，所述数据集的构建方法如下：
7.根据权利要求6所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，采集混凝土试块强度图像时，镜头分别距离混凝土试块表面150mm、225mm、300mm，且镜头与混凝土试块
8.根据权利要求5所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，步骤S2中，预处理技术包括Mask处理、滤波处理、图像增广技术、颜色空间转换技术。
9.一种基于深度学习的混凝土梁智能养护方法，其特征在于，基于权利要求1～8任一所述养护系统，包括如下步骤：
10.根据权利要求9所述的一种基于深度学习的混凝土梁智能养护系统及方法，其特征在于，所需的喷淋用水量根据当时待养护混凝土梁的含水率及水化热规律进行计算。
...【技术特征摘要】
1.一种基于深度学习的混凝土梁智能养护系统，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述前置采集系统包括照相机和滑轨，所述滑轨沿着待养护的混凝土梁四周铺设，所述照相机通过相机支架安装在滑轨上。
3.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述养护系统包括喷淋装置，所述喷淋装置包括水箱、泵、喷淋水管、旋转式喷头和冷却管路。
4.根据权利要求3所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述喷淋装置喷淋时水呈雾状。
5.根据权利要求1所述的一种基于深度学习的混凝土梁智能养护系统，其特征在于，所述监测模型的构建方法如下：
6.根据权利要求7所述的一种基于深度学习的混凝土梁智能养护系统，其特...
【专利技术属性】
技术研发人员：张达志，赵云飞，李元坤，荣学亮，任小强，王峥岩，吴晓强，张进伟，吕静，杨金忠，赵品，韩鹏云，
申请(专利权)人：中国水利水电第五工程局有限公司，
类型：发明
国别省市：
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。