【技术实现步骤摘要】
本专利技术涉及信息，尤其涉及一种基于人工智能的工程施工质量瑕疵识别方法。
技术介绍
1、在工程结构瑕疵识别系统中，污渍、锈蚀等表面伪影的存在对真实瑕疵的识别构成了显著干扰。这些伪影在形态和分布上具有多样性，且与真实瑕疵在视觉特征上存在一定的相似性，导致传统识别方法难以有效区分。对抗生成网络中，判别器的任务是准确区分伪影和真实瑕疵，而生成器则试图生成足以迷惑判别器的伪影特征。当伪影的形态和分布发生变化时，判别器和生成器需要动态调整各自的网络参数，以捕捉伪影与真实瑕疵之间的细微特征差异。具体而言，判别器需通过多尺度纹理特征分析，提取伪影和真实瑕疵在不同尺度下的特征分布。生成器则需要根据判别器的反馈，生成更接近真实伪影的样本，以增强判别器的特征提取能力。这一过程中，判别器的参数调整主要集中于提高对伪影特征的分辨能力，而生成器的参数调整则侧重于生成更具代表性的伪影样本。伪影的形态和分布变化往往具有随机性和复杂性，这使得判别器和生成器的协同调整变得更加困难。网络需要在保持对真实瑕疵高识别精度的同时，尽可能降低对伪影的误检。这一矛盾直接影响了系统的...
【技术保护点】
1.一种基于人工智能的工程施工质量瑕疵识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标工程结构的表面图像数据集，针对砖石结构表面的裂纹瑕疵和砂浆伪影区域进行标注，构建含伪影形态多样化和瑕疵分布相对集中的初始样本集，包括:
3.根据权利要求1所述的方法，其特征在于，所述采用小波变换的多尺度分解方法，对初始样本集中的图像数据进行处理，提取不同频率子带下图像纹理的方向信息、周期特征，得到表征伪影纹理细节的丰富程度，以及瑕疵边缘锐利程度，包括:
4.根据权利要求1所述的方法，其特征在于，所述基于初...
【技术特征摘要】
1.一种基于人工智能的工程施工质量瑕疵识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标工程结构的表面图像数据集，针对砖石结构表面的裂纹瑕疵和砂浆伪影区域进行标注，构建含伪影形态多样化和瑕疵分布相对集中的初始样本集，包括:
3.根据权利要求1所述的方法，其特征在于，所述采用小波变换的多尺度分解方法，对初始样本集中的图像数据进行处理，提取不同频率子带下图像纹理的方向信息、周期特征，得到表征伪影纹理细节的丰富程度，以及瑕疵边缘锐利程度，包括:
4.根据权利要求1所述的方法，其特征在于，所述基于初始样本集和标注结果构建对抗生成网络，将从初始样本集中提取的砖石结构表面纹理特征作为先验信息输入生成器，生成伪影强度不一致、灰度值变化大的伪影图像样本，包括:
5.根据权利要求1所述的方法，其特征在于，所述将生成的伪影图像样本输入至判别器，根据交叉熵损失函数，生成伪影与真实瑕疵的相似度，若相似度未达到预设标准，则反...
【专利技术属性】
技术研发人员：陈泽杰，向虹，邓君辉，陈雄，陈洲杰，陈伟帆，
申请(专利权)人：广州市东建工程建设监理有限公司，
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。