一种基于人工智能的建筑材料强度检测方法及系统技术方案

本发明专利技术涉及一种基于人工智能的建筑材料强度检测方法及系统，建筑材料强度检测技术领域。方法包括以下步骤：根据第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间的形变差异，得到第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标；根据各混凝土表面图像上各裂纹结构对应的裂纹结构生长量和形变指标，得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度；根据各混凝土表面图像上的各裂纹结构对应的形变损毁程度，得到最后一帧混凝土表面图像上各裂纹结构的开裂影响程度。本发明专利技术能反映混凝土材料在受力过程中的形变变化对混凝土强度的影响，提高混凝土强度检测的准确度。提高混凝土强度检测的准确度。提高混凝土强度检测的准确度。

【技术实现步骤摘要】
一种基于人工智能的建筑材料强度检测方法及系统


[0001]本专利技术涉及建筑材料强度检测
，具体涉及一种基于人工智能的建筑材料强度检测方法及系统。

技术介绍

[0002]如今的建筑业需要广泛应用建筑材料，然而实际工程项目中存在较多建筑材料以次充好的现象，其强度达不到国家要求的建筑材料强度标准，所以对建筑材料的强度进行检测是非常必要的；而混凝土作为建筑材料中不可或缺的一部分，其强度检测更是混凝土在生产与制造过程中必不可少的。
[0003]现有的混凝土强度检测方法是给混凝土施加压力，通过混凝土在设定压力下的变形开裂和破损来检测混凝土的强度。这种混凝土强度检测方法只考虑混凝土受力完成后的整体形变，没有考虑混凝土在受力过程中的形变变化，忽略了混凝土在受力过程中的形变变化对混凝土强度的影响，存在不能准确检测混凝土强度的问题。

技术实现思路

[0004]本专利技术提供一种基于人工智能的建筑材料强度检测方法及系统，用于解决现有不能准确检测建筑材料强度的问题，所采用的技术方案具体如下：
[0005]第一方面，本专利技术一个实施例提供了一种基于人工智能的建筑材料强度检测方法及系统包括以下步骤：
[0006]连续获取多帧混凝土表面图像，所述多帧混凝土表面图像是在混凝土表面受到不同压力下获取的，第i帧混凝土表面图像对应的压力小于第i+1帧混凝土表面图像对应的压力，i≥1；
[0007]根据各混凝土表面图像，得到各混凝土表面图像对应的各裂纹结构；
[0008]将第i帧混凝土表面图像上的各裂纹结构和第i+1帧混凝土表面图像上的各裂纹结构进行相似性匹配，得到第i+1帧混凝土表面图像上与第i帧混凝土表面图像上的各裂纹结构对应的相似裂纹结构；
[0009]根据第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间的形变差异，得到第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标；
[0010]根据第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间像素点的差异，得到第i+1帧混凝土表面图像上的各裂纹结构对应的裂纹结构生长量和裂纹结构生长方向；
[0011]根据各混凝土表面图像上各裂纹结构对应的裂纹结构生长量和形变指标，得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度；
[0012]根据各混凝土表面图像上的各裂纹结构对应的形变损毁程度，得到最后一帧混凝土表面图像上各裂纹结构的开裂影响程度；
[0013]根据所述开裂影响程度，得到混凝土材料的承受强度。
[0014]本专利技术还提供了一种基于人工智能的建筑材料强度检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述一种基于人工智能的建筑材料强度检测方法。
[0015]本专利技术根据各混凝土表面图像上各裂纹结构对应的裂纹结构生长量和形变指标，得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度；根据各混凝土表面图像上的各裂纹结构对应的形变损毁程度，得到最后一帧混凝土表面图像上各裂纹结构对应的开裂影响程度；根据所述开裂影响程度，得到混凝土材料的承受强度。本专利技术将裂纹结构生长量和形变指标作为得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度的依据，将形变损毁程度作为得到最后一帧混凝土表面图像上各裂纹结构对应的开裂影响程度的依据，能准确反映混凝土材料在受力过程中的形变变化对混凝土强度的影响，能够减少检测过程中的误差，提高混凝土强度检测的准确度。
[0016]优选的，得到各混凝土表面图像对应的各裂纹结构的方法包括：
[0017]将各混凝土表面图像输入到语义分割网络，得到各混凝土表面图像对应的区域分割图像；
[0018]根据所述各混凝土表面图像，得到各混凝土表面图像的细节边缘二值图；根据所述各混凝土表面图像对应的区域分割图像，得到各混凝土表面图像对应的区域分割图像的结构边缘二值图；
[0019]根据所述细节边缘二值图和所述结构边缘二值图，得到各混凝土表面图像对应的裂纹结构分布图；
[0020]根据所述各裂纹结构分布图，得到各混凝土表面图像对应的各裂纹结构，所述裂纹分布图上每条边缘为一个裂纹结构。
[0021]优选的，将第i帧混凝土表面图像上的各裂纹结构和第i+1帧混凝土表面图像上的各裂纹结构进行相似性匹配，得到第i+1帧混凝土表面图像上与第i帧混凝土表面图像上的各裂纹结构对应的相似裂纹结构，包括：
[0022]计算所述第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上的各裂纹结构之间的相似性指标；
[0023]对于第i帧混凝土表面图像上的各裂纹结构，选取第i+1帧混凝土表面图像上与该裂纹结构相似性指标最大的裂纹结构，作为该裂纹结构对应的相似裂纹结构。
[0024]优选的，得到第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标的方法包括：
[0025]根据如下公式计算第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标：
[0026][0027]其中，H
i，i+1，j
为第i帧混凝土表面图像上的第j个裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间的形变因子，p为所述第j个裂纹结构上的任意像素点坐标对应的向量，L1为所述第j个裂纹结构上的所有像素点坐标对应的向量集合，p0为与所述第j个裂纹结构对应的相似裂纹结构上的任意像素点坐标对应的向量，L2为与所述第j个裂纹结构对应的相似裂纹结构上的所有像素点坐标对应的向量集合，s为形变因子取最小值时
第i+1帧混凝土表面图像上与所述第j个裂纹结构对应的相似裂纹结构的缩放形变指标，t为形变因子取最小值时第i+1帧混凝土表面图像上与所述第j个裂纹结构对应的相似裂纹结构的平移形变指标，为L1经过缩放平移之后对应的形变向量集合，Hu(L1)为L1对应Hu矩，为对应的Hu矩；
[0028]根据所述缩放形变指标和所述平移形变指标，得到第i+1帧混凝土表面图像上与第j个裂纹结构对应的相似裂纹结构的形变指标。
[0029]优选的，得到第i+1帧混凝土表面图像上的各裂纹结构对应的裂纹结构生长量的方法包括：
[0030]获得所述第i帧混凝土表面图像上的任意裂纹结构对应的各像素点，记为第一像素点集合；获得第i帧混凝土表面图像上该裂纹结构对应的相似性裂纹结构上的各像素点，记为第二像素点集合；
[0031]根据所述第二像素点集合中不与所述第一像素点集合中像素点重合的像素点的坐标，得到所述相似性裂纹结构对应的裂纹结构生长量。
[0032]优选的，得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度的方法包括：
[0033]根据如下公式计算各混凝土表面图像上的各裂纹结构对应的形变损毁程度：
[0034]W
i+1，k
＝ln(h(||s||2+||t||2)+1)
[0035]其中，W
i+1，k
为第i+1帧混凝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的建筑材料强度检测方法，其特征在于，该方法包括如下步骤：连续获取多帧混凝土表面图像，所述多帧混凝土表面图像是在混凝土表面受到不同压力下获取的，第i帧混凝土表面图像对应的压力小于第i+1帧混凝土表面图像对应的压力，i≥1；根据各混凝土表面图像，得到各混凝土表面图像对应的各裂纹结构；将第i帧混凝土表面图像上的各裂纹结构和第i+1帧混凝土表面图像上的各裂纹结构进行相似性匹配，得到第i+1帧混凝土表面图像上与第i帧混凝土表面图像上的各裂纹结构对应的相似裂纹结构；根据第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间的形变差异，得到第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标；根据第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间像素点的差异，得到第i+1帧混凝土表面图像上的各裂纹结构对应的裂纹结构生长量和裂纹结构生长方向；根据各混凝土表面图像上各裂纹结构对应的裂纹结构生长量和形变指标，得到各混凝土表面图像上的各裂纹结构对应的形变损毁程度；根据各混凝土表面图像上的各裂纹结构对应的形变损毁程度，得到最后一帧混凝土表面图像上各裂纹结构的开裂影响程度；根据所述开裂影响程度，得到混凝土材料的承受强度。2.如权利要求1所述的一种基于人工智能的建筑材料强度检测方法，其特征在于，所述得到各混凝土表面图像对应的各裂纹结构的方法包括：将各混凝土表面图像输入到语义分割网络，得到各混凝土表面图像对应的区域分割图像；根据所述各混凝土表面图像，得到各混凝土表面图像的细节边缘二值图；根据所述各混凝土表面图像对应的区域分割图像，得到各混凝土表面图像对应的区域分割图像的结构边缘二值图；根据所述细节边缘二值图和所述结构边缘二值图，得到各混凝土表面图像对应的裂纹结构分布图；根据所述各裂纹结构分布图，得到各混凝土表面图像对应的各裂纹结构，所述裂纹分布图上每条边缘为一个裂纹结构。3.如权利要求1所述的一种基于人工智能的建筑材料强度检测方法，其特征在于，所述将第i帧混凝土表面图像上的各裂纹结构和第i+1帧混凝土表面图像上的各裂纹结构进行相似性匹配，得到第i+1帧混凝土表面图像上与第i帧混凝土表面图像上的各裂纹结构对应的相似裂纹结构，包括：计算所述第i帧混凝土表面图像上的各裂纹结构与第i+1帧混凝土表面图像上的各裂纹结构之间的相似性指标；对于第i帧混凝土表面图像上的各裂纹结构，选取第i+1帧混凝土表面图像上与该裂纹结构相似性指标最大的裂纹结构，作为该裂纹结构对应的相似裂纹结构。4.如权利要求1所述的一种基于人工智能的建筑材料强度检测方法，其特征在于，所述得到第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标的方法包括：
根据如下公式计算第i+1帧混凝土表面图像上的各裂纹结构对应的形变指标：其中，H
i，i+1，j
为第i帧混凝土表面图像上的第j个裂纹结构与第i+1帧混凝土表面图像上对应的相似裂纹结构之间的形变因子，p为所述第j个裂纹结构上的任意像素点坐标对应的向量，L1为所述第j个裂纹结构上的所有像素点坐标对应的向量集合，p0为与所述第j个裂纹结构对应的相似裂纹结构上的任意像素点对应的向量，L2为与所述第j个裂纹结构对应的相似裂纹结构上的所有像素点坐标对应的向量集合，s为形变因子取最小值时第i+1帧混凝土表面图像上与所述第j个裂纹结构对应的相似裂纹结构的缩放形变指标，t为形变因子取最小值时第i+1帧混凝土表面图像上与所述第j个裂纹结构对应的相似裂纹结构的平移形变指标，为L1经过缩放平移之后对应的形变向量集合，Hu(L1)为L1对应Hu矩，为对应的Hu矩；根据所述缩放形变指标和所述平移形变指标，得到第i+1帧混凝土表面图像上与第j个裂纹结构对应的相似裂纹结构的形变指标。5.如权利要求1所述的一种基于人工智能的建筑材料强度检测方法，其特征在于，所述得到第i+1帧混凝土表面图像上的各裂纹结构对应的...

【专利技术属性】
技术研发人员：吕文双，杨斌，成孝刚，
申请(专利权)人：徐州大成环境科技有限公司，
类型：发明
国别省市：