【技术实现步骤摘要】
本专利技术涉及结构测量勘测，更具体地说，本专利技术涉及一种基于深度学习的结构智能化监测装置。
技术介绍
1、结构智能化监测装置利用相机作为主要数据采集设备，通过视觉方法实时监测结构物（如建筑或桥梁）的状态变化，相机连续采集结构的图像数据，传递给深度学习算法，分析图像中结构物的位移、变形或裂缝等结构异常；
2、在基于深度学习的结构智能化监测装置中，相机与算法的同步问题是一个至关重要的技术环节，现有技术依赖于相机采集的图像数据，结合深度学习算法，对建筑或桥梁等结构进行实时监测，检测细微的位移、变形或裂缝，通常图像数据会通过相机连续采集并传输至处理单元，深度学习模型则通过这些连续的图像序列识别结构状态的变化，然而同步问题的出现，会引发数据处理的错乱，导致对结构状态的错误判断，进而产生潜在的安全隐患。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于深度学习的结构智能化监测装置，通过外部环境信息采集模块和内部环境信息采集模块，生成环境评估指数，并与预设的安全阈值进行比对，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的结构智能化监测装置，包括相机图像采集模块、外部环境信息采集模块、外部环境数据比对模块、内部环境信息采集模块、内部环境数据比对模块、相机与算法同步模块和异常状态处理模块；
3、相机图像采集模块用于对监测对象进行实时图像采集，实时图像采集用于捕捉监测对象的位移、裂缝
4、外部环境信息采集模块用于采集影响图像质量和系统同步的外部环境信息，外部环境信息包括系统时钟偏差率信息和环境光强波动率信息；
5、外部环境数据比对模块用于将采集到的外部环境信息与预先设定的阈值一进行比对；外部环境数据比对模块通过将采集到的外部环境信息生成外部环境评估指数；如果外部环境评估指数超出阈值一，系统将判断外部环境为高风险，并触发警报，暂停后续处理；如果外部环境评估指数低于阈值一或处于阈值一的范围内，外部环境被判定为低风险，允许系统继续进行内部环境信息采集和处理；
6、内部环境信息采集模块用于监控装置系统内部的运行状态；内部环境信息包括处理器负载率信息、数据传输延迟率信息和信号传输完整性率信息；
7、内部环境数据比对模块用于分析采集到的处理器负载率信息、数据传输延迟率信息和信号传输完整性率信息，并生成内部环境数据评估指数；将内部环境数据评估指数与预设的阈值二进行比对，来判断装置系统是否适合进行相机与算法的同步处理；如果内部环境数据评估指数超过阈值二，当前环境被判定为异常状态，装置系统暂停同步过程并调整参数；如果内部环境数据评估指数低于阈值二或处于阈值二的范围内，当前环境被判定为正常状态，装置系统则继续数据处理；
8、相机与算法同步模块用于将相机采集到的图像数据与深度学习算法进行同步处理；
9、异常状态处理模块用于处理相机与算法同步过程中的异常情况；如果装置系统在同步过程中检测到内部环境数据异常，异常状态处理模块会暂停当前处理，并重新评估外部环境信息和内部环境信息。
10、在一个优选的实施方式中，所述系统时钟偏差率信息包括时间戳精度指数；所述环境光强波动率信息包括光照强度变化指数；
11、拟定时间戳精度指数为，时间戳精度指数用于评估相机采集的时间戳和处理单元接收的时间之间的同步精度，计算每帧的时间差并引入累积时间偏差平方比；
12、；
13、其中表示时间戳精度指数，用于反映系统中时间同步的精度；为调节系数，用于控制时间差异对指数的影响；表示第帧的时间差异，等于；表示相机采集时间戳；表示处理单元接收的时间戳；表示时间偏差的平方比，用于放大时间差对同步精度的影响；
14、拟定光照强度变化指数为，光照强度变化指数用于评估光照强度的波动对图像采集质量的影响，计算每帧的光照强度变化率以及光照强度的最大最小比值；
15、；
16、其中表示光照强度变化指数，反映光照波动对图像质量的影响；表示调节系数，控制光照波动对指数的敏感度；表示第帧的光照变化率，其计算式为：
17、；
18、其中为光照强度的最大值，表示光照波动的峰值；为光照强度的最小值，表示光照波动的最低点；表示光照强度最大与最小值的比值，反映光照波动的幅度。
19、在一个优选的实施方式中，通过结合时间戳精度指数和光照强度变化指数来评估外部环境对系统的综合影响，得到外部环境评估指数；
20、；
21、其中为外部环境评估指数，反映外部环境对系统的综合影响；为调节系数，控制时间同步和光照变化对外部环境的影响权重；为时间戳精度指数，反映时间同步的准确性；为光照强度变化指数，反映光照波动对图像采集的影响；为时间同步和光照变化的乘积，表示两者的共同影响；为时间同步和光照波动的欧氏距离，表示两者的联合偏差。
22、在一个优选的实施方式中，所述处理器负载率信息包括算法处理时延指数；所述数据传输延迟率信息包括网络抖动指数；所述信号传输完整性率信息包括数据包丢失指数；
23、拟定算法处理时延指数为，算法处理时延指数用于衡量系统处理单元的负载率与处理时延，计算每帧的处理时延和处理器负载波动；
24、；
25、其中表示算法处理时延指数，用于反映处理时延的严重性；表示调节系数，控制时延和负载波动对指数的影响；表示每帧的处理时延，表示处理时间的长短；表示处理器负载的最大值，表示负载波动中的峰值；表示处理器负载的最小值，表示负载波动中的最低点；表示负载波动比，用于评估负载的波动情况；
26、拟定网络抖动指数为；网络抖动指数用于评估数据传输延迟的波动，计算每帧的传输时间变化和网络传输的最大最小时间比；
27、；
28、其中表示网络抖动指数，用于反映网络传输延迟的波动性；表示调节系数，控制抖动波动对指数的影响；表示第帧的传输延迟，反映网络传输时间的波动；表示网络传输延迟的最大值，反映网络传输的最高延迟；表示网络传输延迟的最小值，反映网络传输的最低延迟；表示传输延迟的最大值与最小值比值，反映传输抖动的幅度；
29、拟定数据包丢失指数为，数据包丢失指数用于评估网络传输中的数据包丢失率；
30、；
31、其中为数据包丢失指数，反映数据包丢失率对系统传输的影响；为调节系数，控制数据包丢失和波动对指数的影响；为第帧的丢包率，表示丢失数据包的比例；为期望数据包的最大值；为接收到的数据包的最小值；为丢包波动比，反映丢包率波动的幅度。
32、在一个优选的实施方式中，通过非线性组合算法处理时延指数、网络抖动指数和数据包丢失指数来评估系统内部的健康状态，得到内部环境评估指数；通过将三个指数的欧氏距离和乘积相结合，来反映系统内部各因素的综合影本文档来自技高网...
【技术保护点】
1.一种基于深度学习的结构智能化监测装置，包括相机图像采集模块，其特征在于：还包括外部环境信息采集模块、外部环境数据比对模块、内部环境信息采集模块、内部环境数据比对模块、相机与算法同步模块和异常状态处理模块；
2.根据权利要求1所述的一种基于深度学习的结构智能化监测装置，其特征在于：所述系统时钟偏差率信息包括时间戳精度指数；所述环境光强波动率信息包括光照强度变化指数；
3.根据权利要求2所述的一种基于深度学习的结构智能化监测装置，其特征在于：
4.根据权利要求3所述的一种基于深度学习的结构智能化监测装置，其特征在于：所述处理器负载率信息包括算法处理时延指数；所述数据传输延迟率信息包括网络抖动指数；所述信号传输完整性率信息包括数据包丢失指数；
5.根据权利要求4所述的一种基于深度学习的结构智能化监测装置，其特征在于：
6.根据权利要求5所述的一种基于深度学习的结构智能化监测装置，其特征在于：还包括勘测系统；所述勘测系统包括数据采集与预处理模块、深度学习模型选择与设计模块、模型训练与优化模块、模型验证与测试模块、模型部署与实
...【技术特征摘要】
1.一种基于深度学习的结构智能化监测装置，包括相机图像采集模块，其特征在于：还包括外部环境信息采集模块、外部环境数据比对模块、内部环境信息采集模块、内部环境数据比对模块、相机与算法同步模块和异常状态处理模块；
2.根据权利要求1所述的一种基于深度学习的结构智能化监测装置，其特征在于：所述系统时钟偏差率信息包括时间戳精度指数；所述环境光强波动率信息包括光照强度变化指数；
3.根据权利要求2所述的一种基于深度学习的结构智能化监测装置，其特征在于：
4.根据权利要求3所...
【专利技术属性】
技术研发人员：谢群，朱利帅，李雁军，陈文文，梁瑞军，
申请(专利权)人：济南大学，
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。