【技术实现步骤摘要】
本专利技术涉及建筑工程，具体涉及一种裂缝识别及建筑结构安全性分析方法。
技术介绍
1、随着建筑行业的快速发展，建筑结构的安全性越来越受到人们的关注。裂缝作为建筑结构损伤的一种常见形式，其准确识别与评估对于保障建筑结构的稳定性和安全性具有重要意义。传统的裂缝识别方法主要依赖于人工目视检查，不仅效率低下，而且容易受到人为因素的影响，导致识别结果不准确。
2、近年来，深度学习技术在图像处理领域取得了显著进展，为裂缝识别提供了新的解决方案。深度学习模型能够通过学习大量图像数据中的特征信息，自动提取出裂缝的特征，实现裂缝的准确识别。然而，单纯的裂缝识别并不能直接反映建筑结构的安全性，还需要结合建筑结构的详细信息进行综合评估。
3、建筑信息模型(bim)技术作为一种数字化的建筑设计和管理方法，能够整合建筑结构的几何、材料、施工等详细信息，为建筑结构的分析和评估提供了强大的数据支持。通过将bim技术与深度学习相结合，可以实现裂缝识别与建筑结构信息的无缝对接，为建筑结构安全性的精准分析提供可能。
4、因此，本专利技术提出了一种基于改进yolov5算法和bim技术的裂缝识别及建筑结构安全性分析方法，旨在利用改进的yolov5模型对建筑结构图像裂缝进行高精度识别，并结合bim技术构建建筑结构的数字化模型，通过对比分析，实现建筑结构安全性的精准评估。这一方法不仅能提高裂缝识别的准确性和效率，还能为建筑结构的维护和修复提供有力的数据支持，具有重要的实际应用价值。
5、在所述
技术介绍
部分公开的上述信息仅用于
技术实现思路
1、本专利技术的目的是提供一种裂缝识别及建筑结构安全性分析方法，以解决上述
技术介绍
中的问题。
2、为了实现上述目的，本专利技术提供如下技术方案：一种裂缝识别及建筑结构安全性分析方法，包括以下步骤：
3、s1、利用携带标签的裂缝数据集训练裂缝检测网络模型；
4、s2、利用携带标签的裂缝数据集训练裂缝分割网络模型；
5、s3、利用无人机搭载相机和激光测距仪采集所述待检测建筑结构图像以及所述图像与建筑物距离；
6、s4、将获得的高分辨率图像分割为多个待处理图像块输入至所述步骤s1训练好的裂缝检测网络模型获取所述待检测结构表观具有裂缝信息的高分辨率图像；
7、s5、利用所述步骤s2训练好的裂缝分割网络模型中得到待处理图像块的裂缝分割图；
8、s6、自动拼接各待处理块的裂缝分割图，得到所述待检测结构的裂缝分割图；
9、s7、根据所述裂缝分割图确定裂缝的实际物理尺寸；
10、s8、根据建筑设计信息，建立建筑结构的bim模型，形成所述bim模型的三维数据库；
11、s9、将所述裂缝信息导入所述三维数据库，根据所述三维数据库中的信息判断所述建筑结构是否安全。
12、优选的，所述的裂缝检测网络模型为改进的yolov5模型，具体包括：
13、(1)输入层input部分，包括通过数据加载器传输每批训练数据到神经网络中，对数据进行尺寸归一化处理，再使用数据增强手段对数据集进行扩增；
14、(2)主干网络backbone部分，包括依次设置的第一个cbs模块、第一个adm模块、第一个c3dcn模块、第二个adm模块、第二个c3dcn模块、第三个adm模块、第三个c3dcn模块、第四个adm模块、第四个c3dcn模块，以及第一个sppfcspc模块，其中，每一个模块的输入均来自上一个模块的输出；
15、(3)颈部网络neck部分，包括依次设置的第一个cbs模块、第二个cbs模块、第一个concat模块、第一个cspstage模块、第一个nn.upsample模块、第三个cbs模块、第二个concat模块、第二个cspstage模块、第二个nn.upsample模块、第三个concat模块、第三个cspstage模块、第四个cbs模块、第四个concat模块、第四个cspstage模块、第五个cbs模块、第六个cbs模块、第五个concat模块、第五个cspstage模块，其中，第二个cbs模块的输入来自backbone网络第三个c3dcn模块的输出，第一个concat模块的输入来自neck网络第一个和第二个cbs模块的输出，第三个cbs模块的输入来自backbone网络第二个c3dcn模块的输出，第二个concat模块的输入来自backbone网络第三个c3dcn、neck网络第三个cbs模块以及第一个nn.upsample模块的输出，第三个concat模块的输入来自backbone网络第二个c3dcn以及neck网络第二个nn.upsample模块的输出，第四个concat模块的输入来自neck网络第四个cbs模块以及第二个cspstage模块的输出，第五个cbs模块的输入来自neck网络第二个cspstage模块的输出，第六个cbs模块的输入来自neck网络第四个cspstage模块的输出，第五个concat模块的输入来自neck网络第一个cspstage模块、第五个以及第六个cbs模块的输出；
16、(4)最终检测head部分：包括通过分析路面裂缝的形状和特征，采用聚类算法对训练集进行聚类，得到9个初始锚定框，以及通过设定的nms置信度参数，在特征图上应用锚定框对特征图网格化预测，将检测到的目标置信度高于设置阈值的保留。
17、优选的，所述的adm模块为改进部分，具体操作如下：
18、输入的特征映射首先经过spd层完成下采样，然后通过ca注意力层判断不同通道及空间位置的重要性，对重要信息进行强调，最后通过一个1x1的cbs层，使用可学习参数调整通道数量。
19、优选的，所述的c3dcn模块为改进部分，具体操作如下：
20、通过一个1x1的cbs层将特征划分为两个部分，第一部分不做额外处理，第二部分通过引入可变形卷积的bottleneck层对特征映射进行加工，最后再通过拼接操作以及一个1x1的cbs层解耦两部分通道相关性。
21、优选的，所述的sppfcspc模块为改进部分，具体操作如下，通过一个1x1的cbs层将输入的特征图划分为两部分，第一部分不做任何额外的操作直接传输到输出端，第二部分首先通过一个3×3的cbs层对基本特征图的细节信息进行提取，然后通过一个1×1的cbs层将提取到的细节信息一分为四，并利用3个5×5的maxpool2d层处理不同尺度的特征，接着再通过一个1×1的cbs层和一个3×3的cbs层突出前景特征的重要性，提高对小空间变化的不敏感性，最后将其和不做额外操作的第一部分进行拼接，通过一个1x1的cbs层解耦两部分通道相关性得到最终输出。
22、优选的，所述的neck网络为改进部分，其核心模块cspstage具体操作如下，将输入的特征图进行拼接，接着通过一本文档来自技高网...
【技术保护点】
1.一种裂缝识别及建筑结构安全性分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的裂缝检测网络模型为改进的YOLOV5模型，具体包括：
3.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的ADM模块为改进部分，具体操作如下：
4.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的C3DCN模块为改进部分，具体操作如下：
5.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的SPPFCSPC模块为改进部分，具体操作如下，通过一个1x1的CBS层将输入的特征图划分为两部分，第一部分不做任何额外的操作直接传输到输出端，第二部分首先通过一个3×3的CBS层对基本特征图的细节信息进行提取，然后通过一个1×1的CBS层将提取到的细节信息一分为四，并利用3个5×5的Maxpool2d层处理不同尺度的特征，接着再通过一个1×1的CBS层和一个3×3的CBS层突出前景特征的重要性，提高对小空间变化的不敏感
6.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的Neck网络为改进部分，其核心模块CSPStage具体操作如下，将输入的特征图进行拼接，接着通过一个1x1的CBS层将输入的特征图划分为两部分，第一部分不做额外处理，第二部分通过若干个由3×3的RepConv层和3×3的CBS层构成的残差模块对特征映射进行处理，然后将其和不做额外操作的第一部分进行拼接，通过一个1x1的CBS层解耦两部分通道相关性得到最终输出。
7.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的裂缝分割网络模型为UNet网络。
8.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述无人机按照预设移动路径进行飞行，所述相机在随着无人机飞行过程中采集所述待检测结构表观的高分辨率图像，所述激光测距仪记录所述相机与所述待检测结构之间的实际物理距离。
9.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述根据裂缝分割图确定裂缝的实际物理尺寸，具体步骤包括：
10.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述建筑结构是否安全结论是通过将所述裂缝三维数据库导入结构安全分析软件，在所述结构安全分析软件中输入荷载信息，所述结构安全分析软件分析得到。
...【技术特征摘要】
1.一种裂缝识别及建筑结构安全性分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的裂缝检测网络模型为改进的yolov5模型，具体包括：
3.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的adm模块为改进部分，具体操作如下：
4.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的c3dcn模块为改进部分，具体操作如下：
5.根据权利要求2所述的一种裂缝识别及建筑结构安全性分析方法，其特征在于，所述的sppfcspc模块为改进部分，具体操作如下，通过一个1x1的cbs层将输入的特征图划分为两部分，第一部分不做任何额外的操作直接传输到输出端，第二部分首先通过一个3×3的cbs层对基本特征图的细节信息进行提取，然后通过一个1×1的cbs层将提取到的细节信息一分为四，并利用3个5×5的maxpool2d层处理不同尺度的特征，接着再通过一个1×1的cbs层和一个3×3的cbs层突出前景特征的重要性，提高对小空间变化的不敏感性，最后将其和不做额外操作的第一部分进行拼接，通过一个1x1的cbs层解耦两部分通道相关性得到最终输出。
6.根据权利要求2所述的一种裂缝识别及建筑...
【专利技术属性】
技术研发人员：杨勇，杨韬，陈孟鸿，谭超，董帅，孙勇，
申请(专利权)人：中国建筑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。