一种水利建筑工程的质量检测方法及系统与流程

本发明涉及工程检测，具体而言，涉及一种水利建筑工程的质量检测方法及系统。

背景技术：

1、水利建筑工程是研究、规划、设计和建设与水资源管理、利用和防治相关的工程，包括水的供给、排水、灌溉、河流治理、洪水控制和水环境保护等，主要所涉及水坝和水库相关的建筑工程。

2、在本方案中主要涉及对与坝体相关的检测工作，坝体的安全性能是整个水利建筑工程的重中之重，在现有技术中，一般直接采集数据通过对比常规的历史数据得到当前坝体是否合格，但在现有技术中没有针对于当前情况进行后续更多的结果输出，即当前合格的话没有对未来坝体使用的预测，不合格的话也没有相关的预警程度的结果判断。

技术实现思路

1、本发明的目的是提供一种水利建筑工程的质量检测方法及系统，来解决现有技术中的上述问题。

2、本发明通过以下技术方案实现：

3、第一方面，本发明提供了一种水利建筑工程的质量检测方法，包括：

4、获取当前坝体的基础图像，并对基础图像进行预处理，建立图像识别模型，通过图像识别模型判断当前坝体是否有裂痕或水渍；

5、若有裂痕，则输出当前水利建筑工程不合格的结果，若仅有水渍，则判断当前水渍是否为坝体的渗漏，若是，则输出当前水利建筑工程不合格的结果，若不是，则设置下次图像获取时间间隔和获取次数；

6、通过所设置下次图像获取时间间隔和获取次数得到若干个基础图像，通过若干个基础图像判断当前坝体是否出现变形，并获取坝体的不同时期的若干组基础数据，若未变形，则进入第一检测进程，若变形，则进入第二检测进程；

7、所述第一检测进程包括建立坝体使用预测模拟模型，通过不同时期的若干组基础数据和坝体使用预测模拟模型，输出当前坝体是否合格的结果；

8、所述第二检测进程包括建立坝体质量告警模型，通过当前的基础数据和坝体质量告警模型输出评价值，并设置评价值阈值，通过评价值和评价值阈值输出对当前坝体质量一般告警或严重告警的结果。

9、优选的，所述对基础图像进行预处理包括：

10、读取基础图像的色彩数据，将每个像素从rgb颜色空间转换为灰度值；

11、将灰度值赋值于新的图像矩阵，生成只包含灰度信息的第一图像；

12、选择高斯滤波器的大小和标准差，根据大小和标准差生成高斯核；

13、通过高斯核对第一图像进行卷积，遍历图像中的每一个像素，并通过高斯核对当前像素及其周围的像素进行加权平均，输出第二图像。

14、优选的，所述根据大小和标准差生成高斯核包括：

15、

16、式中，为高斯核，为像素点在水平方向上的偏移量，为像素点在垂直方向上的偏移量，为标准差。

17、优选的，所述判断当前水渍是否为坝体的渗漏包括：

18、获取当前被识别为水渍的第一图像特征和识别为坝体的第二图像特征；

19、获取第一图像特征和第二图像特征在基础图像是否重合，若未重合，则输出当前水渍不为坝体的渗漏的结果；

20、若重合，则若干个时间段获取若干个第一图像特征，判断第一图像特征是否缩小，若未缩小则输出当前水渍为坝体的渗漏的结果，若缩小，则输出当前水渍不为坝体的渗漏的结果。

21、优选的，所述设置下次图像获取时间间隔和获取次数包括：

22、

23、

24、式中，为下一次图像获取的时间间隔，为当前进行水坝检测总人数，为单次进行水坝检测所需要的人数，为坝体完工后所占面积，为坝体与水面接触面积，为单次检测成本，为当前检测工期内的总成本，为当前坝体的高度，为当前水面的高度，为坝体所用混凝土量，为坝体周边设施所用混凝土量，为获取次数。

25、优选的，所述通过若干个基础图像判断当前坝体是否出现变形包括：

26、获取若干个基础图像中坝体特征与整个基础图像的所占比例，并建立判断模型，通过判断模型输出判断值，并设置判断阈值，所述判断值小于判断阈值则输出坝体未变形的结果，若未小于判断阈值则输出坝体变形的结果。

27、优选的，所述判断模型包括：

28、

29、式中，为判断值，为基础图像的总数，为第个基础图像的坝体特征与整个基础图像的所占比例，为第个基础图像的坝体特征与整个基础图像的所占比例，为第个基础图像的坝体特征与整个基础图像的所占比例。

30、优选的，所述建立坝体使用预测模拟模型包括；

31、对获取的坝体的不同时期的若干组基础数据进行归一化处理，将处理后的基础数据进行数据集划分，得到训练集和验证集；

32、建立神经网络函数模型，通过训练集对神经网络函数模型进行训练，通过验证集对神经网络函数模型进行优化，并更新权重和偏置，直至达到迭代次数，输出最优的神经网络函数模型；

33、所述神经网络函数模型包括：

34、

35、式中，为置信值，为输入层到隐藏层的偏置，为训练时随机丢弃神经元的比例，为学习率，为每次迭代中用于计算损失和更新权重的样本数量，为损失函数，为第层输入层到第层隐藏层的输出，为训练集输入样本，为激活函数，为数据预处理时的标准差，为第层隐藏层到第层输出层的算计权重，为第层隐藏层到第层输出层的计算权重，为正则化系数，为从训练集中分离出用于验证的样本比例，为每次迭代中用于计算损失和更新权重的样本数量；

36、若，或，，则输出未来坝体趋向于发生形变的结果；

37、若，则输出未来坝体趋向于稳定的结果。

38、优选的，所述坝体质量告警模型包括：

39、

40、式中，为坝体的水平和垂直位移总量，为坝体在时间上的高度位移量，为坝体混凝土的抗压强度，为坝体材料的抗拉强度，为坝体材料在剪切作用下的强度，为坝体材料的含水率，为库区和坝前的水位变化，为坝基土体的承载能力，为当前坝体相对于第一个基础图像的形变量。

41、第二方面，本发明提供了一种水利建筑工程的质量检测系统，包括：

42、获取模块，被配置为获取当前坝体的基础图像，并对基础图像进行预处理，建立图像识别模型，通过图像识别模型判断当前坝体是否有裂痕或水渍；

43、判断模块，被配置为若有裂痕，则输出当前水利建筑工程不合格的结果，若仅有水渍，则判断当前水渍是否为坝体的渗漏，若是，则输出当前水利建筑工程不合格的结果，若不是，则设置下次图像获取时间间隔和获取次数；通过所设置下次图像获取时间间隔和获取次数得到若干个基础图像，通过若干个基础图像判断当前坝体是否出现变形，并获取当前坝体的基础数据；

44、选择模块，被配置为若未变形，则进入第一检测进程，若变形，则进入第二检测进程，所述第一检测进程包括建立坝体使用预测模拟模型，通过基础数据和坝体使用预测模拟模型，输出当前坝体是否合格的结果；所述第二检测进程包括建立坝体质量告警模型，通过基础数据和坝体质量告警模型输出评价值，并设置评价值阈值，通过评价值和评价值阈值输出对当前坝体质量一般告警或严重告警的结果。

45、本发明实施例的技术方案至少具有如下优点和有益效果：

46、采用发明提供的方法，主要包括通过图像识别模型判断当前坝体是否有裂痕或水渍；通过所设置下次图像获取时间间隔和获取次数得到若干个基础图像，通过若干个基础图像判断当前坝体是否出现变形，并获取当前坝体的基础数据，若未变形，则进入第一检测进程，若变形，则进入第二检测进程。通过本发明的上述方法，可以在判断出当前坝体是否合格的结果之上，进行再次的深度判断，对所判断的结果进行分析，无论是合格还是不合格，通过选择的两个检测进程，来得到更多的后续内容，供工作人员进行分析，实现了结合当前情况进行后续更多的结果输出，来使最终的检测结果更加准确。