一种基于几何图神经网络的裂缝结构性能评估系统及方法与流程

本发明涉及工程结构裂缝与数字，具体涉及一种基于几何图神经网络的裂缝结构性能评估系统及方法。

背景技术：

1、在混凝土结构中，裂缝不仅损害了建筑物的外观美，还提供了水分和有害物质渗透至混凝土结构内部的通道，进而引发钢筋腐蚀，影响结构的承载能力和耐久性，结构运维工程师需混凝土结构的裂缝进行修复，以确保建筑物的长期安全性和稳定性。目测检查、超声波检测、射线检测、钻芯取样这些传统裂缝检测技术存在高度依赖人工操作，检测质量和效率较低，对作业人员的安全构成较大风险等局限性。

2、随着深度学习等人工智能技术的迅猛发展，工程师们已开始将这些先进技术应用于裂缝检测领域。目前，基于深度学习技术的裂缝检测方法主要包括卷积神经网络(cnn)、deeplab系列、全卷积网络(fcn)、u-net网络以及yolo算法等。尽管人工智能技术在裂缝识别方面取得了显著进展，智能算法仅仅能通过特征识别是否为裂缝，及裂缝的位置，但无法获取裂缝的长度、宽度等，这些裂缝参数的获取仍主要依赖于传统opencv库方法，通过对裂缝图像进行candy、高斯等滤波获取局部离散裂缝信息，但无法对裂缝结构的整体状态特征进行智能评估。

3、传统基于裂缝结构状态评估方法的不足在于缺乏面向智能算法的裂缝表示数据结构，和基于裂缝表示数据结构的智能算法，从而限制了人工智能算法在基于裂缝的结构性能评定中的高效应用。

技术实现思路

1、本发明的目的在于提供一种基于几何图神经网络的裂缝结构性能评估系统及方法，用于解决现有技术无法对裂缝结构的整体状态特征进行智能评估，且限制了人工智能算法在基于裂缝的结构性能评定中的高效应用等问题，能为人工智能算法提供更为丰富和结构化的数据，有助于实现高效、准确的结构性能评定。

2、为了实现上述目的，第一方面，本发明提供一种基于几何图神经网络的裂缝结构性能评估系统，包括输入模块、裂缝图谱模块、数据库模块、训练模块和评估模块；

3、所述输入模块用于根据目标裂缝结构建立数字化模型，所述数字化模型包括多条独立的裂缝，每条裂缝包括节点和裂缝主体，节点中记录裂缝两端的位置坐标，裂缝主体中记录裂缝信息，所有的裂缝通过公共的节点进行连接形成裂缝网，其中，所述裂缝信息包括裂缝位置参数、裂缝基本几何参数和裂缝形状；

4、所述裂缝图谱模块用于根据所述裂缝网形成所述目标裂缝结构的裂缝网知识图谱，并将所述裂缝网知识图谱采用邻接矩阵或链表进行存储；

5、所述数据库模块用于获取所述目标裂缝结构的损伤状态，并根据所述目标裂缝结构的裂缝网知识图谱和损伤状态形成裂缝训练样本库；

6、所述训练模块用于构建几何图神经网络，并利用所述裂缝训练样本库训练所述几何图神经网络；

7、所述评估模块用于基于训练后的几何图神经网络，确定待评估裂缝结构的损伤状态。

8、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述裂缝位置参数包括裂缝轴线交叉端点编号和裂缝实际端点编号。

9、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述裂缝形状指利用三条数学表达式分别描述裂缝上侧、下侧及中轴的曲线形状。

10、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述三条数学表达式具体包括：基于裂缝栅格图像构建全局坐标系，采用多项式进行拟合方式生成裂缝上侧、下侧及中轴的数学表达式。

11、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述裂缝基本几何参数包括裂缝平均宽度、裂缝最大宽度、裂缝最小宽度、裂缝长度。

12、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述裂缝平均宽度、裂缝最大宽度、裂缝最小宽度通过裂缝上侧与裂缝下侧的数学表达式计算最短距离获取，所述裂缝长度通过裂缝中轴的数学表达式计算得出。

13、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述构建几何图神经网络，包括：在图神经网络的节点数据中增加包含基于全局坐标系的位置坐标信息，图神经网络的输入数据包括基于所述裂缝网知识图谱存储的邻接矩阵或链表。

14、根据本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统，所述图神经网络包括图卷积神经网络、图注意力网络、图自编码器、图生成网络或图异构网络。

15、第二方面，本发明还提供了一种基于几何图神经网络的裂缝结构性能评估方法，包括：

16、步骤1、选择目标裂缝结构，利用图像设备进行拍摄以获取裂缝栅格图像；

17、步骤2、对所述裂缝栅格图像进行识别并进行数字化定位，确定所述裂缝栅格图像中裂缝网的每个节点在全局坐标系中的位置坐标；

18、步骤3、将裂缝网裁剪成多个具有单条裂缝的图像单元，获取每个图像单元中的裂缝信息；

19、步骤4、根据所述裂缝信息将所有裂缝通过公共的节点进行组装，形成裂缝网知识图谱；

20、步骤5、将所述裂缝网知识图谱采用邻接矩阵或链表进行存储；

21、步骤6、重复步骤1至步骤5多次，得到多个目标裂缝结构的裂缝网知识图谱，并分别确定多个目标裂缝结构的损伤状态，得到裂缝训练样本库，该裂缝训练样本库包括多个目标裂缝结构的裂缝网知识图谱和损伤状态；

22、步骤7、构建几何图神经网络，利用所述裂缝训练样本库训练所述几何图神经网络；

23、步骤8、基于训练后的几何图神经网络，确定待评估裂缝结构的损伤状态。

24、本发明提供的一种基于几何图神经网络的裂缝结构性能评估系统及方法，该系统包括输入模块、裂缝图谱模块、数据库模块、训练模块和评估模块，将目标裂缝结构表示为由“节点——裂缝主体——节点”组成的裂缝网知识图谱。通过裂缝网知识图谱和损伤状态构建裂缝训练样本库，对几何图神经网络进行训练形成能进行结构状态评估的算法，对待评估裂缝结构进行推理，确定其损伤状态。本发明有助于挖掘裂缝与结构状态之间的隐式关系，实现高效、准确的结构性能评定有重要的意义，研发难度低，易于推广应用，具有很好的市场前景；另外，本发明可以为人工智能算法提供了更为丰富和结构化的数据，从而有助于实现高效、准确的结构性能评定。

技术特征：

1.一种基于几何图神经网络的裂缝结构性能评估系统，其特征在于，包括输入模块、裂缝图谱模块、数据库模块、训练模块和评估模块；

2.根据权利要求1所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述裂缝位置参数包括裂缝轴线交叉端点编号和裂缝实际端点编号。

3.根据权利要求1所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述裂缝形状指利用三条数学表达式分别描述裂缝上侧、下侧及中轴的曲线形状。

4.根据权利要求3所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述三条数学表达式具体包括：基于裂缝栅格图像构建全局坐标系，采用多项式进行拟合方式生成裂缝上侧、下侧及中轴的数学表达式。

5.根据权利要求3所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述裂缝基本几何参数包括裂缝平均宽度、裂缝最大宽度、裂缝最小宽度、裂缝长度。

6.根据权利要求5所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述裂缝平均宽度、裂缝最大宽度、裂缝最小宽度通过裂缝上侧与裂缝下侧的数学表达式计算最短距离获取，所述裂缝长度通过裂缝中轴的数学表达式计算得出。

7.根据权利要求6所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述构建几何图神经网络，包括：在图神经网络的节点数据中增加包含基于全局坐标系的位置坐标信息，图神经网络的输入数据包括基于所述裂缝网知识图谱存储的邻接矩阵或链表。

8.根据权利要求7所述的基于几何图神经网络的裂缝结构性能评估系统，其特征在于，所述图神经网络包括图卷积神经网络、图注意力网络、图自编码器、图生成网络或图异构网络。

9.一种基于几何图神经网络的裂缝结构性能评估方法，其特征在于，包括：

技术总结
本发明提供一种基于几何图神经网络的裂缝结构性能评估系统及方法，将目标裂缝结构表示为由“节点——裂缝主体——节点”组成的裂缝网知识图谱。通过裂缝网知识图谱和损伤状态构建裂缝训练样本库，对几何图神经网络进行训练形成能进行结构状态评估的算法，对待评估裂缝结构进行推理，确定其损伤状态。本发明有助于挖掘裂缝与结构状态之间的隐式关系，实现高效、准确的结构性能评定有重要的意义，研发难度低，易于推广应用，具有很好的市场前景；另外，本发明可以为人工智能算法提供了更为丰富和结构化的数据，从而有助于实现高效、准确的结构性能评定。

技术研发人员：林杰,黄思璐,雷斯达,肖强,刘松,周攀,黄玉冰,刁克,雷朝建
受保护的技术使用者：湖北交投智能检测股份有限公司
技术研发日：
技术公布日：2025/2/17