【技术实现步骤摘要】
本专利技术涉及混凝土结构安全监测领域，具体来说，尤其涉及基于无人机的混凝土裂缝对工程结构危害评估系统及方法。
技术介绍
1、混凝土作为建设大型建筑的核心材料，天生具备易裂的属性。一旦裂缝在混凝土建筑的关键部位发展到一定阶段，就可能严重威胁建筑物的安全使用。因此，对混凝土结构的裂缝进行及时且有效的监控，准确评估其潜在风险，并实施恰当的修复措施，显得尤为重要。
2、在裂缝监测的传统方法中，人工检查占据了主导地位。这一方法涉及定期派遣工作人员巡查混凝土建筑，使用如刻度尺等工具手动测量所发现的裂缝。尽管普遍采用，这种方式却耗时费力，且对于大型混凝土结构内部裂缝的检测尤为困难，往往难以凭肉眼观测到。
3、传统方法通常依赖于人工检查，这不仅耗时耗力，而且检测范围有限，容易遗漏关键区域，且传统的检测手段往往只能收集单一类型的数据（如视觉数据），缺乏对复杂环境下裂缝特征的全面理解，难以准确识别和分析细小或复杂的裂缝，影响了裂缝评估的准确性；此外，现有的裂缝评估模型往往缺乏足够的泛化能力和鲁棒性，使得模型在处理多样化的真实场景数据时效果不佳，且无法提供足够的信息来支持复杂的工程结构安全评估和决策。
4、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、为了克服以上问题，本专利技术旨在提出基于无人机的混凝土裂缝对工程结构危害评估系统及方法，目的在于解决现有的裂缝评估模型往往缺乏足够的泛化能力和鲁棒性，使得模型在处理多样化的真实场景数据时效果不佳，
2、为此，本专利技术采用的具体技术方案如下：
3、根据本专利技术的一个方面，提供了基于无人机的混凝土裂缝对工程结构危害评估系统，该危害评估系统包括：飞行计划制定模块、数据收集模块、数据融合与量化分析模块、裂缝特征评估模型构建模块、结构安全影响计算模型构建模块及可视化展示模块；
4、飞行计划制定模块，用于通过分析裂缝检测和评估的目标参数制定无人机的飞行计划；
5、数据收集模块，用于无人机执行飞行计划，并收集混凝土结构的多源数据；
6、数据融合与量化分析模块，用于利用多分辨率分析法对混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析；
7、裂缝特征评估模型构建模块，用于基于量化分析结果，利用随机森林算法构建裂缝特征评估模型；
8、结构安全影响计算模型构建模块，用于利用结构工程学原理和风险评估法，并结合裂缝特征评估模型，构建结构安全影响计算模型，评估混凝土裂缝对工程结构的危害；
9、可视化展示模块，用于搭建可视化展示界面，并展示结构安全影响计算模型的评估结果。
10、可选地，飞行计划制定模块在通过分析裂缝检测和评估的目标参数制定无人机的飞行计划时包括：
11、分析混凝土结构的类型、位置和规模和历史状况，了解检测区域中裂缝检测的要求；
12、分析环境因素对飞行计算的影响，确认飞行区域内的空域规定，并考虑潜在障碍物；
13、基于裂缝检测的要求和天气、光照和周围环境对飞行的影响，选择无人机，并搭载多种传感器，同时设置飞行参数；
14、规划覆盖检测区域的飞行路线的飞行计划，并规划备选飞行路线，确定应急着陆点以应对不同的紧急情况。
15、可选地，数据融合与量化分析模块在利用多分辨率分析法对混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析时包括：
16、使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像；
17、将融合后的综合图像转换为灰度图像，并利用改进的sobel算子进行边缘检测和细化处理；
18、对经过边缘检测和细化处理后的图像进行二值化处理，将图像转换为只包含边缘的混凝土结构图像；
19、从边缘的混凝土结构图像中提取裂缝特征，并对提取的裂缝特征进行量化分析；
20、将量化分析的结果整理成量化分析结果报告。
21、可选地，使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像包括：
22、获取无人机采集的混凝土结构的多源数据，并对多源数据进行预处理；
23、利用小波变换对预处理后的多源数据中每个数据源进行处理，通过小波分解将每个数据源分解为不同尺度的子带，并在多个频率级别上捕捉数据源的特征；
24、根据最大值选择算法将来自不同数据源中捕捉数据源的特征进行融合；
25、使用逆小波变换，将融合后的子带数据重构回原始数据空间，生成包含各种数据源信息的综合图像。
26、可选地，将融合后的综合图像转换为灰度图像，并利用改进的sobel算子进行边缘检测和细化处理包括：
27、将融合后的综合图像转换为灰度图像；
28、定义水平方向和垂直方向的sobel算子，对灰度图像分别与水平方向和垂直方向的sobel算子进行卷积操作，并计算灰度图像中每个像素在水平和垂直方向上的边缘强度；
29、预设阈值，保留边缘强度大于预设阈值的像素点，并显示边缘；
30、对于图像中的每个像素点，在像素点边缘方向上比较相邻像素的梯度强度；
31、若当前像素的梯度强度在当前方向上相邻像素中的最大值，则当前像素被认为是边缘像素；
32、若当前像素的梯度强度非最大的，则将当前像素的梯度强度设置为零。
33、可选地，裂缝特征评估模型构建模块在基于量化分析结果，利用随机森林算法构建裂缝特征评估模型时包括：
34、获取量化分析结果报告，并提取混凝土裂缝的初始特征数据；
35、根据混凝土裂缝的严重程度对初始特征数据进行标注；
36、根据标注后初始特征数据的分布，确定样本混合比，并控制叶节点的分裂行为；
37、根据样本混合比计算分裂阈值参数，并构建多个决策树，同时构建裂缝特征评估模型；
38、在每个决策树的决策节点，根据改进的分裂策略选择最优的分裂点；
39、利用标注好的裂缝特征数据训练裂缝特征评估模型，并采用交叉验证对随机森林模型进行评估；
40、利用训练好的裂缝特征评估模型对新的裂缝特征数据进行分类，分析分类结果，识别派生特征数据。
41、可选地，根据样本混合比计算分裂阈值参数的公式为：
42、；
43、式中，表示混合样本比；
44、表示分裂阈值参数；
45、表示超参数。
46、可选地，在每个决策树的决策节点，根据改进的分裂策略选择最优的分裂点包括：
47、s21、对于决策树中的每个决策节点，确定每个决策节点的数据集合；
48、s22、在构建决策树时，随机选择决策节点的特征；
49、s23、对每本文档来自技高网...
【技术保护点】
1.基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，该危害评估系统包括：飞行计划制定模块、数据收集模块、数据融合与量化分析模块、裂缝特征评估模型构建模块、结构安全影响计算模型构建模块及可视化展示模块；
2.根据权利要求1所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述飞行计划制定模块在通过分析裂缝检测和评估的目标参数制定无人机的飞行计划时包括：
3.根据权利要求1所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述数据融合与量化分析模块在利用多分辨率分析法对所述混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析时包括：
4.根据权利要求3所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像包括：
5.根据权利要求3所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述将融合后的综合图像转换为灰度图像，并利用改进的Sobel算子进行边缘检测和细化处理包括：
...【技术特征摘要】
1.基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，该危害评估系统包括：飞行计划制定模块、数据收集模块、数据融合与量化分析模块、裂缝特征评估模型构建模块、结构安全影响计算模型构建模块及可视化展示模块；
2.根据权利要求1所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述飞行计划制定模块在通过分析裂缝检测和评估的目标参数制定无人机的飞行计划时包括：
3.根据权利要求1所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述数据融合与量化分析模块在利用多分辨率分析法对所述混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析时包括：
4.根据权利要求3所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像包括：
5.根据权利要求3所述的基于无人机的混凝土裂缝对工程结构危害评估系统，其特征在于，所述将融合后的综合图像转换为灰度图像，并利用改进的sobel算子进...
【专利技术属性】
技术研发人员：孟华，李奕杰，何庚申，武哲，吴永霄，周立明，宋笑丽，刘兴，吕志刚，吴勋磊，檀洋，朱杰，王艳峰，刘红伍，
申请(专利权)人：西安玖安科技有限公司，
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。