[发明专利]一种基于人工智能视频分析的自伴混凝土质量管理方法

说明书

本发明提供一种基于人工智能视频分析的自伴混凝土质量管理方法，该方法包括：通过CoViAR算法对实时上传的视频流进行高效的事件分割判断，针对相关视频段，用CoViAR、SSD、OCR等算法完成各材质在单位盛具、单位车中的重量分析、入料口入料环节加入到搅拌机中各材料的重量分析、搅拌机工作的相关状态分析、试块制作时刻与个数分析、塌落度估计分析，基于上述步骤的输出信息，进行输出信息与设定标准值对比，对存在风险的事件预警，对全部视频进行结构化存储。本发明可在线实时风险预警，只需少量监理专家，远程分析系统预警的风险，实时进行判定，使旁站监理的人员利用和时效能够得到真正提高，利用结构化视频存储，有利于建筑过程中发生事件的检索与回溯。

技术领域

本发明涉及建筑工程技术领域，具体来说，涉及一种基于人工智能视频分析的自伴混凝土质量管理方法。

背景技术

在建筑作业中，混凝土的质量对建筑的质量极其重要的因素之一，因而国家层面对混凝土的生产质量有着明确的规范和强制监管。通常情况下，对混凝土的生产质量监管，往往通过具有相关监理资格的监理人员，进行现场人工监督的方式，来达到严格监管的目的，该过程专业术语为“旁站监理”，其主要缺点有以下几点：1.旁站监理过程中，由于缺少影像等有效监督手段，因而，由于监理人员专业素质差或利益交换等原因，容易导致不能有效作为、少作为、恶意不作为等情况出现；2.旁站监理对相关指标记录不认真或者不规范，导致对监理过程无有效可追溯性；3.旁站过程中对发现有安全、质量隐患或违反工程建设强制性标准要求的行为，停留在整改建议或口头通知，对整改情况不跟踪封闭；4.旁站监督管理的成本高、人效低。

基于上述缺点，急需一种具备人工智能视频分析的自伴混凝土质量管理方法出现。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本发明的目的在于提供一种基于人工智能视频分析的自伴混凝土质量管理方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于人工智能视频分析的自伴混凝土质量管理方法，该方法包括：

a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行高效的事件分割判断，当前时间窗口视频的事件类型分为：单位盛具称重环节、单位车称重环节、入料口入料环节、搅拌环节、试块制作环节、塌落度测试环节；

a2.针对单位盛具称重环节的视频段，用SSD算法和OCR算法完成各材质在单位盛具中的重量分析，其输出结果为材料类型、单位盛具的重量；

a3.针对单位车盛装环节的视频段，用CoViAR-resnet算法实现盛装行为分析、SSD算法完成盛装材质类型识别，其输出结果为材料类型、盛装次数；

a4.针对入料口入料环节的视频段，用CoViAR-resnet算法和SSD算法完成入料口入料环节下加入到搅拌机中各材料的重量分析，其输出结果为材料类型、加入次数；

a5.针对搅拌环节的视频段，用CoViAR-resnet算法完成搅拌机工作的相关状态分析：入料、搅拌、出料、停止，其输出结果为状态、起止时刻；

a6.针对试块制作环节的视频段，用SSD算法完成时刻制作中试块个数分析，其输出结果为：试块数量；

a7.针对塌落度测试环节的视频段，用SSD算法和OCR算法完成塌落度估计分析，其输出结果为塌落度筒外接矩形坐标点、混凝土外接矩形坐标点、测定塌落度桶顶部与试验混凝土顶部之间卷尺刻度信息；

a8.综合步骤a1至步骤a7中的输出信息，进行输出的信息与设定的标准值进行对比，对存在风险的事件发出预警；

a9.基于步骤a1至步骤a7中的输出信息，对全部视频进行结构化存储。