一种道路施工安全风险监测方法及系统与流程

本发明涉及道路施工安全领域，具体来说，本发明涉及一种道路施工安全风险监测方法及系统。

背景技术：

长期以来，国内工程监理部门只能对施工完毕的工程进行检测，这样有时对不合格的工程只能铲除处理，造成巨大浪费并耽误工期。另外对于施工过程中机械设备的操作过程跟踪，以及关键设备的状态监控还比较欠缺，不但影响施工质量，还带来极大的施工安全隐患。

基于目前的现状，国内的一些高等院校、科研院所、科技企业从不同的方面，利用先进的技术，对施工区的操作行为、设备状态等进行监测，对公路基础设施建设质量安全监测提供了一定的帮助，如长安大学的路面机械的施工信息化监控管理系统，中国建筑科学研究院的塔式起重机作业安全监控信息化管理系统等，但现在这方面的研究还处在起步阶段，远远不能满足当前公路基础设施建设的要求。

欧美的一些国家也在基于本国实际情况的基础上，利用先进技术改善施工安全，提高施工质量。美国着手研究its在公路施工区的应用，如监控技术、施工信息发布、事故管理、事故应急灯方面，但基于设备状态感知的施工过程监管方面的应用还不多。

英国对于施工过程监管有其自身的特点，其主要是从设计阶段就开始考虑施工质量及安全，并对工程的危险源进行辨识、评估和控制，至于施工单位在施工中所采取的安全控制方法完全取决于业、设计人员的设计和施工规范。

日本在施工的质量和安全监测方面主要强调人的重要性，如其在施工中开展“危险预防”活动，以作业班组为对象，每天早晨由班长将当天的“作业内容”、“危险事项”及“对策和措施”对全班组的成员进行讲解，并写在一块铁板上挂在醒目的地方，以提醒和督促工人实施。

综上所述，现有技术存在的问题是：

现有道路施工质量安全在线风险检测系统对道路检测不准确。

现有技术对道路的质量检测依靠专门的监控人员来进行人工分析判断，不仅会急剧加大监测系统的人工成本，还会因为人工判断的主观性和非精确性，造成计算偏差，同样不能保证数据分析结果的精确性，有可能导致道路不合格的后果。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种道路施工安全风险监测方法及系统。

本发明是这样实现的，一种道路施工安全风险监测方法，包括以下步骤：

(1)利用物化方法检测道路施工材料的物理化学性能；

(2)利用强度检测设备检测道路主体结构强度数据；利用测量工具检测道路主体尺寸数据；利用摄像设备采集道路图像对道路表面缺陷进行检测；

(3)利用防水测试设备测试道路的防水性能；

(4)利用计算程序计算道路平整度；

(5)比对步骤，使用检测数据与安全标准数据进行比对；

(6)利用评估模型根据各项数据，比对数据对道路施工安全风险进行评估；

(7)使用显示装置对各项数据信息进行显示。

进一步地，步骤(2)中的利用摄像设备采集道路图像对道路表面缺陷进行检测的方法包括以下步骤：

s1.获取具有路面缺陷的图像并进行灰度处理形成路面缺陷灰度图像；

s2.对路面缺陷灰度图像进行纹理特征提取，提取出特征值组成纹理特征向量，并以纹理特征向量表征路面缺陷灰度图像；

s3：对纹理特征向量进行归一化处理；

s4.将同一缺陷类别的纹理特征向量表征的路面缺陷灰度图像进行均分，形成训练集和测试集；

s5.以两个相同的自编码器构成栈式自编码器，并通过栈式自编码器对训练集进行高维抽象特征提取；

s6.将softmaxlayer逻辑分类层堆栈于栈式自编码器形成深度神经网络，通过深度神经网络对高维抽象特征进行训练，训练完成后，对测试集中的路面灰度图像完成分类识别。

进一步地，获取的路面缺陷包括坑槽、龟裂、裂纹和松散。

进一步地，步骤s2中，包括如下步骤：

s21.采用灰度差分统计法对路面缺陷面灰度图像进行特征提取，并提取出三个特征值：差分平均值、差分对比度以及差分熵；

s22.采用gabor算法对路面缺陷灰度图像进行特征提取，并提取出三个特征值：gabor平均值、gabor对比度和gabor熵；

s23.采用灰度梯度法对路面缺陷灰度图像进行特征值提取，并提取出四个特征值：梯度平均值、梯度方差、梯度偏度和梯度峰度；

s24.采用灰度共生矩阵法对路面缺陷灰度图像进行特征提取，提取出五个特征值：能量、相关性、共生对比度、同质性和共生熵；

s25.采用灰度直方图法对路面缺陷灰度图像进行特征提取，提取出四个特征值：直方图均值、直方图方差、直方图偏度和直方图峰度；

s26.采用tamura算法对路面缺陷灰度图像进行特征提取，提取出六个特征值：粗糙度、规整度、对比度、方向性、线性度和粗略度；

s27.将步骤s21-s26中所提取处的特征值排列组成1×25阶表征路面缺陷灰度图像的纹理特征向量：直方图平均值、差分平均值、梯度平均值、gabor平均值、能量、粗糙度、直方图方差、梯度方差、相关性、规整度、直方图偏度、梯度偏度、同质性、方向性、直方图峰度、梯度峰度、线性度、差分对比度、gabor对比度、共生对比度、tamura的对比度、粗略度、差分熵、gabor熵、共生熵。

进一步地，步骤s5中，自编码器由三层神经网络构成，分别是输入层、隐藏层和输出层。

进一步地，提供一种终端，所述终端搭载实现上述任意一项所述道路施工安全风险监测方法的控制器。

进一步地，提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述一项所述的道路施工安全风险监测方法。

进一步地，提供一种实现上述道路施工安全风险监测方法的系统，所述系统包括：

道路施工材料的物理化学性能检测模块，与中央控制模块连接，用于通过物理化学检测设备检测道路施工材料的成分、外观、粘度、细度、比重、硬度、附着力、耐冲击性、耐热性、耐磨性、耐老化性等数据；

强度检测模块，与中央控制模块连接，用于通过强度检测设备检测道路主体结构强度数据；

尺寸测量模块，与中央控制模块连接，用于通过测量工具测量道路主体尺寸数据；

道路表面缺陷检测模块，与中央控制模块连接，用于通过摄像设备采集墙体图像对道路表面质量缺陷进行检测；

防水性测试模块，与中央控制模块连接，利用防水测试设备测试道路的防水性能；

道路平整度计算模块，与中央控制模块连接，利用计算程序计算道路平整度；

数据比对模块，与中央控制模块连接，使用检测数据与安全标准数据进行比对；

风险评估模块，与中央控制模块连接，利用评估模型根据各项数据，比对数据对道路施工安全风险进行评估；

显示模块，与中央控制模块连接，使用显示装置对各项数据信息进行显示；

中央控制模块，与道路施工材料的物理化学性能检测模块、强度检测模块、尺寸测量模块、道路表面缺陷检测模块、防水性测试模块、道路平整度计算模块、数据对比模块、风险评估模块、显示模块连接，用于通过单片机控制各个模块正常工作；

进一步地，提供一种搭载上述道路施工安全风险监测设备。

本发明的优点及效果：通过本发明，能够对道路表面缺陷进行准确检测，提升结果的精确性，从而利于后续的治理措施进行制定，而且能够有效减少人工介入，节约人力成本，提高检测效率，尤其是能够保证工作人员的安全。该道路施工安全风险检测方法及系统综合了主要核心因素，对道路安全的检测实时，快速，准确，大大提高了效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书来实现和获得。

附图说明

图1是本发明实施例提供的道路施工质量安全在线风险检测方法流程图。

图2是利用摄像设备采集道路图像对道路表面缺陷进行检测的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

以下结合具体实施例，对本发明的技术方案作进一步的解释和说明。

实施例1

一种道路施工安全风险监测方法，包括以下步骤：

(1)利用物化方法检测道路施工材料的物理化学性能；

(2)利用强度检测设备检测道路主体结构强度数据；利用测量工具检测道路主体尺寸数据；利用摄像设备采集道路图像对道路表面缺陷进行检测；

(3)利用防水测试设备测试道路的防水性能；

(4)利用计算程序计算道路平整度；

(5)比对步骤，使用检测数据与安全标准数据进行比对；

(6)利用评估模型根据各项数据，比对数据对道路施工安全风险进行评估；

(7)使用显示装置对各项数据信息进行显示。

步骤(2)中的利用摄像设备采集道路图像对道路表面缺陷进行检测的方法包括以下步骤：

s1.获取具有路面缺陷的图像并进行灰度处理形成路面缺陷灰度图像；

s2.对路面缺陷灰度图像进行纹理特征提取，提取出特征值组成纹理特征向量，并以纹理特征向量表征路面缺陷灰度图像；

s3：对纹理特征向量进行归一化处理；

s4.将同一缺陷类别的纹理特征向量表征的路面缺陷灰度图像进行均分，形成训练集和测试集；

s5.以两个相同的自编码器构成栈式自编码器，并通过栈式自编码器对训练集进行高维抽象特征提取；

s6.将softmaxlayer逻辑分类层堆栈于栈式自编码器形成深度神经网络，通过深度神经网络对高维抽象特征进行训练，训练完成后，对测试集中的路面灰度图像完成分类识别。

获取的路面缺陷包括坑槽、龟裂、裂纹和松散。

步骤s2中，包括如下步骤：

s21.采用灰度差分统计法对路面缺陷面灰度图像进行特征提取，并提取出三个特征值：差分平均值、差分对比度以及差分熵；

s22.采用gabor算法对路面缺陷灰度图像进行特征提取，并提取出三个特征值：gabor平均值、gabor对比度和gabor熵；

s23.采用灰度梯度法对路面缺陷灰度图像进行特征值提取，并提取出四个特征值：梯度平均值、梯度方差、梯度偏度和梯度峰度；

s24.采用灰度共生矩阵法对路面缺陷灰度图像进行特征提取，提取出五个特征值：能量、相关性、共生对比度、同质性和共生熵；

s25.采用灰度直方图法对路面缺陷灰度图像进行特征提取，提取出四个特征值：直方图均值、直方图方差、直方图偏度和直方图峰度；

s26.采用tamura算法对路面缺陷灰度图像进行特征提取，提取出六个特征值：粗糙度、规整度、对比度、方向性、线性度和粗略度；

s27.将步骤s21-s26中所提取处的特征值排列组成1×25阶表征路面缺陷灰度图像的纹理特征向量：直方图平均值、差分平均值、梯度平均值、gabor平均值、能量、粗糙度、直方图方差、梯度方差、相关性、规整度、直方图偏度、梯度偏度、同质性、方向性、直方图峰度、梯度峰度、线性度、差分对比度、gabor对比度、共生对比度、tamura的对比度、粗略度、差分熵、gabor熵、共生熵。

步骤s5中，自编码器由三层神经网络构成，分别是输入层、隐藏层和输出层。

提供一种终端，所述终端搭载实现上述任意一项所述道路施工安全风险监测方法的控制器。

提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述一项所述的道路施工安全风险监测方法。

提供一种实现上述道路施工安全风险监测方法的系统，所述系统包括：

道路施工材料的物理化学性能检测模块，与中央控制模块连接，用于通过物理化学检测设备检测道路施工材料的成分、外观、粘度、细度、比重、硬度、附着力、耐冲击性、耐热性、耐磨性、耐老化性等数据；

强度检测模块，与中央控制模块连接，用于通过强度检测设备检测道路主体结构强度数据；

尺寸测量模块，与中央控制模块连接，用于通过测量工具测量道路主体尺寸数据；

道路表面缺陷检测模块，与中央控制模块连接，用于通过摄像设备采集墙体图像对道路表面质量缺陷进行检测；

防水性测试模块，与中央控制模块连接，利用防水测试设备测试道路的防水性能；

道路平整度计算模块，与中央控制模块连接，利用计算程序计算道路平整度；

数据比对模块，与中央控制模块连接，使用检测数据与安全标准数据进行比对；

风险评估模块，与中央控制模块连接，利用评估模型根据各项数据，比对数据对道路施工安全风险进行评估；

显示模块，与中央控制模块连接，使用显示装置对各项数据信息进行显示；

中央控制模块，与道路施工材料的物理化学性能检测模块、强度检测模块、尺寸测量模块、道路表面缺陷检测模块、防水性测试模块、道路平整度计算模块、数据对比模块、风险评估模块、显示模块连接，用于通过单片机控制各个模块正常工作；

提供一种搭载上述道路施工安全风险监测设备。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。