本發(fā)明屬于混凝土施工，具體而言，涉及一種深基坑混凝土澆筑過程離析檢測裝置。

背景技術(shù)：

1、混凝土作為現(xiàn)代建筑工程中最廣泛使用的材料之一，其質(zhì)量直接關(guān)系到建筑物的安全性和耐久性。在深基坑施工過程中，混凝土澆筑質(zhì)量尤為重要，因為深基坑結(jié)構(gòu)往往承擔(dān)著關(guān)鍵的承重和防水功能。然而，深基坑混凝土在澆筑過程中由于高度較大，澆筑時間較長容易發(fā)生離析現(xiàn)象，即混凝土中的各組分（水泥、細骨料、粗骨料）在重力作用下發(fā)生分離，導(dǎo)致混凝土強度不均勻、耐久性降低等問題。

2、目前，深基坑澆筑的混凝土離析檢測主要依賴于以下方法：

3、1.目視檢查法：工程師通過觀察混凝土表面和切割面的骨料分布情況來判斷離析程度。這種方法簡單直觀，但高度依賴于檢查者的經(jīng)驗，容易受主觀因素影響，且無法實現(xiàn)實時監(jiān)測。

4、2.取芯法：在混凝土硬化后，從不同位置鉆取混凝土芯樣，通過分析芯樣中的骨料分布來評估離析程度。這種方法雖然準(zhǔn)確性較高，但具有破壞性，且只能進行事后檢測，無法及時發(fā)現(xiàn)和解決澆筑過程中的問題。

5、也就是說，當(dāng)前的深基坑混凝土澆筑過程的離析檢測存在依靠工程人員經(jīng)驗以及難以實時評估的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種深基坑混凝土澆筑過程離析檢測裝置，能夠解決當(dāng)前的深基坑混凝土澆筑過程的離析檢測存在依靠工程人員經(jīng)驗以及難以實時評估的技術(shù)問題。

2、本發(fā)明是這樣實現(xiàn)的：

3、本發(fā)明提供一種深基坑混凝土澆筑過程離析檢測裝置，用于在混凝土澆筑過程中對混凝土的離析情況進行檢測，包括管體、監(jiān)測單元和單片機，所述管體的側(cè)壁上開設(shè)有多個圓形通孔，所述多個圓形通孔在所述側(cè)壁上均勻排列成2列或3列，每個圓形通孔內(nèi)嵌有一個監(jiān)測單元，所述監(jiān)測單元包括鋼化玻璃片、凹透鏡、隔離玻璃片、聚光片以及光纖束，所述聚光片底部開設(shè)有圓洞，所述光纖束的一端內(nèi)嵌在所述圓洞上作為采集端，所述單片機上設(shè)置有控制器以及至少為所述監(jiān)測單元數(shù)量的圖像采集器；所述光纖束的另一端作為輸出端連接在圖像采集器上，所述圖像采集器用于接收光纖束傳輸?shù)墓庑盘柌⑥D(zhuǎn)換為電信號,經(jīng)過模數(shù)轉(zhuǎn)換后得到所述監(jiān)測單元對應(yīng)監(jiān)測區(qū)域的區(qū)域圖像并輸出給所述控制器；所述聚光片的截面為拋物線形，所述凹透鏡的位于所述管體內(nèi)側(cè)的焦點、所述聚光片的焦點均位于所述采集端表面的幾何中心；所述控制器內(nèi)設(shè)置有混凝土澆筑過程離析分析模塊，用于根據(jù)多個圖像采集器采集的區(qū)域圖像，基于預(yù)先訓(xùn)練的離析分析模型計算得到混凝土澆筑過程的離析結(jié)果，并通過所述單片機上的無線傳輸模塊傳輸?shù)缴衔粰C。

4、其中，所述管體的外徑為3~5cm。

5、進一步的，所述每一列圓形通孔的間距、所述鋼化玻璃片的半徑、所述凹透鏡的形狀參數(shù)、所述聚光片的形狀參數(shù)以及光纖束的參數(shù)均通過優(yōu)化方程組進行優(yōu)化限定，所述優(yōu)化方程組包括光學(xué)成像方程、空間采樣方程、信噪比方程、分辨率方程以及深度探測方程。

6、所述光學(xué)成像方程考慮光學(xué)系統(tǒng)的成像質(zhì)量，用于優(yōu)化凹透鏡和聚光片的參數(shù)；所述空間采樣方程考慮圖像的空間采樣頻率，用于優(yōu)化圓形通孔的間距和鋼化玻璃片的半徑；所述信噪比方程考慮圖像的信噪比，用于優(yōu)化光纖束的參數(shù)；所述分辨率方程考慮圖像的空間分辨率，用于綜合優(yōu)化各光學(xué)元件的參數(shù)；所述深度探測方程考慮混凝土內(nèi)部的探測深度，用于優(yōu)化管體的外徑和通孔大小。

7、下面是優(yōu)化方程組的具體描述:

8、1.光學(xué)成像方程:

9、；

10、式中，為凹透鏡的焦距；為物距；為像距；為透鏡材料的折射率；為透鏡中心厚度；,為透鏡兩表面的曲率半徑;

11、聚光片的形狀參數(shù)優(yōu)化:

12、；

13、式中，為焦參數(shù)；,為拋物線上的點坐標(biāo);

14、2.空間采樣方程:

15、；

16、式中，為最小可分辨距離；為光的波長；為系統(tǒng)焦距；為數(shù)值孔徑;

17、3.信噪比方程:

18、；

19、式中，為信號功率；為噪聲功率

20、光纖束傳輸損耗:

21、；

22、式中，為輸出功率；為輸入功率；為衰減系數(shù)；為光纖長度;

23、4.分辨率方程:

24、；

25、式中，為系統(tǒng)分辨率；為光的波長；為系統(tǒng)焦距；為有效孔徑直徑;

26、5.深度探測方程:

27、；

28、式中，為最大探測深度；為光速；為脈沖寬度；為混凝土相對介電常數(shù);

29、管體外徑與通孔大小的關(guān)系:

30、；

31、式中，為通孔面積；為填充系數(shù)?(0?<?k?<?1)；為管體外半徑。

32、進一步的，所述通過優(yōu)化方程組進行優(yōu)化限定的具體步驟包括：

33、建立目標(biāo)函數(shù),將各方程加權(quán)求和;

34、設(shè)定各參數(shù)的初始值和約束條件;

35、采用粒子群算法進行迭代優(yōu)化;

36、當(dāng)?shù)螖?shù)達到預(yù)設(shè)值或目標(biāo)函數(shù)收斂時,輸出優(yōu)化結(jié)果。

37、進一步的，所述混凝土澆筑過程離析分析模塊具體執(zhí)行以下步驟：

38、獲取每個圖像采集器采集的區(qū)域圖像；

39、對所述區(qū)域圖像進行包括去噪、增強、校正的預(yù)處理，得到預(yù)處理圖像；

40、采用圖像配準(zhǔn)和融合的方法將全部預(yù)處理圖像拼接，得到拼接圖像；

41、將所述拼接圖像輸入到預(yù)先訓(xùn)練好的離析分析模型，得到混凝土澆筑過程的離析向量；

42、根據(jù)所述離析向量與預(yù)設(shè)的離析標(biāo)準(zhǔn)向量計算相似度，若相似度大于預(yù)設(shè)的相似度閾值，則說明當(dāng)前混凝土的離析較大；若相似度于小于預(yù)設(shè)的相似度閾值，則說明當(dāng)前混凝土的離析較?。徊⑺鱿嗨贫茸鳛殡x析結(jié)果。

43、其中，所述預(yù)設(shè)的標(biāo)準(zhǔn)離析向量的獲取步驟，具體包括:

44、步驟1、制備多組不同程度離析的混凝土試件：

45、a)設(shè)計多種不同水灰比、骨料級配的混凝土配合比。

46、b)對每種配合比，采用不同的振動時間和振動頻率制備試件，以獲得不同程度的離析。

47、c)每種條件制備至少3個平行試件，以確保數(shù)據(jù)的可靠性。

48、步驟2、使用本裝置對試件進行圖像采集：

49、a)將試件切割，暴露新鮮斷面。

50、b)使用本裝置在試件的不同位置和深度進行圖像采集。

51、c)每個試件采集至少9個不同位置的圖像，以保證數(shù)據(jù)的代表性。

52、步驟3、通過實驗的方式標(biāo)注各試件的離析程度：

53、a)水泥分布均勻度：使用x射線熒光分析(xrf)測量不同位置的水泥含量，計算變異系數(shù)。

54、b)粗骨料分布均勻度：使用圖像分析軟件計算不同區(qū)域粗骨料的體積分?jǐn)?shù)，計算變異系數(shù)。

55、c)細骨料分布均勻度：使用激光粒度分析儀測量不同位置的細骨料粒徑分布，計算分布曲線的相似度。

56、d)孔隙率：使用壓汞法測量試件不同位置的孔隙率。

57、e)界面過渡區(qū)厚度：使用掃描電子顯微鏡(sem)觀察并測量多個位置的界面過渡區(qū)厚度。

58、步驟4、數(shù)據(jù)處理和標(biāo)準(zhǔn)化：

59、a)對每個試件的各項指標(biāo)取平均值。

60、b)將每個指標(biāo)歸一化到[0,?1]區(qū)間，其中0表示完全不離析，1表示嚴(yán)重離析。

61、步驟5、構(gòu)建標(biāo)準(zhǔn)離析向量數(shù)據(jù)集：

62、a)將每個試件的5個歸一化指標(biāo)組成一個向量。

63、b)匯總所有試件的向量，形成標(biāo)準(zhǔn)離析向量數(shù)據(jù)集。

64、步驟6、數(shù)據(jù)分析和驗證：

65、a)使用主成分分析(pca)方法分析數(shù)據(jù)集，確定主要影響因素。

66、b)進行交叉驗證，評估數(shù)據(jù)集的可靠性和代表性。

67、步驟7、建立離析程度分級標(biāo)準(zhǔn)：

68、a)基于數(shù)據(jù)分布，將離析程度分為多個等級（如輕微、中等、嚴(yán)重等）。

69、b)對每個等級確定一個代表性的標(biāo)準(zhǔn)離析向量。

70、步驟8、專家評審和修正：

71、a)邀請混凝土材料領(lǐng)域的專家對分級標(biāo)準(zhǔn)進行評審。

72、b)根據(jù)專家意見對標(biāo)準(zhǔn)進行必要的修正和完善。

73、步驟9、最終確定標(biāo)準(zhǔn)離析向量：

74、a)綜合考慮數(shù)據(jù)分析結(jié)果和專家意見，最終確定每個離析等級的標(biāo)準(zhǔn)離析向量。

75、b)將這些標(biāo)準(zhǔn)離析向量作為后續(xù)離析分析的參考基準(zhǔn)。

76、進一步的，所述離析向量具體是[水泥分布均勻度,粗骨料分布均勻度,細骨料分布均勻度,孔隙率,界面過渡區(qū)厚度]。

77、進一步的，所述離析分析模型，采用多分支深度學(xué)習(xí)結(jié)構(gòu)，具體包括水泥分支網(wǎng)絡(luò)、粗骨料分支網(wǎng)絡(luò)、細骨料分支網(wǎng)絡(luò)、孔隙分支網(wǎng)絡(luò)、界面分支網(wǎng)絡(luò)以及融合網(wǎng)絡(luò)。

78、進一步的，所述水泥分支網(wǎng)絡(luò)用于提取水泥相關(guān)特征，輸入是預(yù)處理后的灰度圖像，輸出是水泥分布特征圖，結(jié)構(gòu)是u-net卷積神經(jīng)網(wǎng)絡(luò)；

79、所述粗骨料分支網(wǎng)絡(luò)用于提取粗骨料相關(guān)特征，輸入是預(yù)處理后的彩色圖像，輸出是粗骨料分布特征圖，結(jié)構(gòu)是resnet卷積神經(jīng)網(wǎng)絡(luò)；

80、所述細骨料分支網(wǎng)絡(luò)用于提取細骨料相關(guān)特征，輸入是預(yù)處理后的彩色圖像，輸出是細骨料分布特征圖，結(jié)構(gòu)是densenet卷積神經(jīng)網(wǎng)絡(luò)；

81、所述孔隙分支網(wǎng)絡(luò)用于提取孔隙相關(guān)特征，輸入是預(yù)處理后的二值圖像，輸出是孔隙分布特征圖，結(jié)構(gòu)是fcn全卷積網(wǎng)絡(luò)；

82、所述界面分支網(wǎng)絡(luò)用于提取骨料與水泥漿界面特征，輸入是預(yù)處理后的邊緣增強圖像，輸出是界面分布特征圖，結(jié)構(gòu)是segnet分割網(wǎng)絡(luò)；

83、所述融合網(wǎng)絡(luò)用于綜合各分支網(wǎng)絡(luò)的輸出特征，輸入是各分支網(wǎng)絡(luò)的輸出特征圖，輸出是最終的離析特征向量，結(jié)構(gòu)是多層感知機。

84、所述離析分析模型的訓(xùn)練步驟，包括構(gòu)建訓(xùn)練數(shù)據(jù)集和訓(xùn)練模型；其中，構(gòu)建訓(xùn)練數(shù)據(jù)集，具體是：

85、a)樣本采集：

86、制備不同配比、不同離析程度的混凝土試件，至少100組；

87、使用本裝置對每個試件進行多角度、多深度的圖像采集；

88、每個試件采集至少20張圖像，確保數(shù)據(jù)的多樣性；

89、b)數(shù)據(jù)標(biāo)注：

90、對采集的圖像進行人工標(biāo)注，標(biāo)注內(nèi)容包括：水泥分布區(qū)域；粗骨料位置和大??；細骨料分布區(qū)域；孔隙位置和大??；骨料與水泥漿界面；并使用專業(yè)圖像標(biāo)注軟件（如labelme）進行標(biāo)注工作；

91、c)數(shù)據(jù)增強：

92、對原始圖像進行旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等操作，擴充數(shù)據(jù)集；

93、調(diào)整圖像亮度、對比度，模擬不同光照條件；

94、添加隨機噪聲，提高模型魯棒性；

95、d)數(shù)據(jù)預(yù)處理：

96、圖像歸一化：將像素值縮放到[0,?1]區(qū)間；

97、圖像分割：將大尺寸圖像分割成固定大小的patch（如256x256像素）；

98、數(shù)據(jù)格式轉(zhuǎn)換：將圖像和標(biāo)注數(shù)據(jù)轉(zhuǎn)換為模型所需的格式（如tfrecord或hdf5）；

99、e)數(shù)據(jù)集劃分：將數(shù)據(jù)集按7:2:1的比例隨機劃分為訓(xùn)練集、驗證集和測試集；確保每個集合中包含不同離析程度的樣本；

100、f)標(biāo)準(zhǔn)化離析向量：

101、對每個樣本，根據(jù)標(biāo)注信息計算標(biāo)準(zhǔn)化的離析向量；

102、離析向量包括：水泥分布均勻度、粗骨料分布均勻度、細骨料分布均勻度、孔隙率、界面過渡區(qū)厚度；

103、g)數(shù)據(jù)質(zhì)量控制：進行交叉驗證，剔除異常樣本；由混凝土專家對部分樣本進行復(fù)核，確保標(biāo)注質(zhì)量；

104、其中，訓(xùn)練模型，具體是：

105、a)模型架構(gòu)設(shè)計：根據(jù)之前描述的多分支深度學(xué)習(xí)結(jié)構(gòu)，實現(xiàn)各個分支網(wǎng)絡(luò)；使用pytorch或tensorflow等深度學(xué)習(xí)框架構(gòu)建模型；

106、b)損失函數(shù)設(shè)計：

107、為每個分支網(wǎng)絡(luò)設(shè)計適當(dāng)?shù)膿p失函數(shù)：

108、水泥分支：使用交叉熵?fù)p失；

109、粗骨料分支：使用focal?loss；

110、細骨料分支：使用dice?loss；

111、孔隙分支：使用加權(quán)二元交叉熵；

112、界面分支：使用邊緣感知損失；

113、融合網(wǎng)絡(luò)：使用均方誤差損失；

114、總損失函數(shù)為各分支損失的加權(quán)和；

115、c)優(yōu)化器選擇：使用adam優(yōu)化器，初始學(xué)習(xí)率設(shè)為0.001；實現(xiàn)學(xué)習(xí)率衰減策略，如余弦退火；

116、d)模型初始化：對卷積層使用he初始化；對批歸一化層使用均值為1，方差為0.02的正態(tài)分布初始化；

117、e)訓(xùn)練過程：設(shè)置批次大小為32，訓(xùn)練輪數(shù)為100；實現(xiàn)早停策略，當(dāng)驗證集損失連續(xù)5輪不下降時停止訓(xùn)練；使用混合精度訓(xùn)練，提高訓(xùn)練速度；實現(xiàn)梯度裁剪，防止梯度爆炸；

118、f)模型微調(diào)：凍結(jié)主干網(wǎng)絡(luò)，只訓(xùn)練最后幾層；逐步解凍，進行微調(diào)；

119、g)正則化技術(shù)：使用l2正則化，權(quán)重衰減系數(shù)設(shè)為0.0001；在全連接層使用dropout，比率為0.5；

120、h)模型評估：在驗證集上計算平均絕對誤差(mae)和均方根誤差(rmse)；繪制預(yù)測值與真實值的散點圖，計算相關(guān)系數(shù)；

121、i)模型解釋：使用grad-cam等技術(shù)可視化模型關(guān)注的區(qū)域；分析不同特征對最終預(yù)測的貢獻度；

122、j)模型集成：訓(xùn)練多個模型，使用不同的初始化和數(shù)據(jù)增強策略；采用軟投票或平均法集成多個模型的預(yù)測結(jié)果；

123、k)選擇最優(yōu)模型作為訓(xùn)練結(jié)果。

124、其中，所述管體為不銹鋼材料制成；所述管體的底端還設(shè)置有錐形結(jié)構(gòu)。

125、方便進行將管體插入或拔除澆筑的混凝土。

126、進一步的，所述預(yù)設(shè)的相似度閾值為0.85。

127、這個閾值的選擇基于以下考慮：

128、1.工程實踐：在混凝土工程中，通常允許有一定程度的誤差和變異。85%的相似度意味著預(yù)測結(jié)果與標(biāo)準(zhǔn)離析向量有較高的一致性，同時也留有一定的容忍空間。

129、2.模型性能：考慮到實際環(huán)境中可能存在的噪聲和干擾，要求模型達到?100%?的相似度是不現(xiàn)實的。85%的閾值既能保證較高的準(zhǔn)確性，又不會過分苛刻。

130、3.靈敏度與特異性平衡：85%的閾值能夠在降低假陽性（誤判為嚴(yán)重離析）和假陰性（漏判輕微離析）之間取得較好的平衡。

131、4.可調(diào)整性：將閾值設(shè)為?0.85?還允許在實際應(yīng)用中根據(jù)具體情況進行微調(diào)。例如，對于特別重要的工程，可以將閾值略微提高到?0.90；而對于一般性工程，可以稍微降低到?0.80。

132、5.分級判斷：可以基于這個閾值建立多級判斷標(biāo)準(zhǔn)，例如：

133、-?相似度?≥?0.85：混凝土離析程度較小，質(zhì)量良好

134、-?0.70?≤?相似度?<?0.85：混凝土可能存在輕微離析，需要關(guān)注

135、-?相似度?<?0.70：混凝土可能存在嚴(yán)重離析，需要采取措施

136、因此，我們可以將判斷條件修改如下：

137、如果相似度?≥?0.85（預(yù)設(shè)的相似度閾值），則說明當(dāng)前混凝土的離析程度較??；

138、如果相似度?<?0.85（預(yù)設(shè)的相似度閾值），則說明當(dāng)前混凝土可能存在離析問題，需要進一步檢查和處理。

139、需要注意的是，這個閾值應(yīng)該在實際應(yīng)用中通過大量實驗數(shù)據(jù)和現(xiàn)場驗證來進行微調(diào)和優(yōu)化。在模型的初始部署階段，可以收集反饋并持續(xù)調(diào)整這個閾值，以達到最佳的判斷效果。

140、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種深基坑混凝土澆筑過程離析檢測裝置的有益效果是：

141、1.實時監(jiān)測能力：本裝置采用光學(xué)成像和光纖傳輸技術(shù)，能夠在混凝土澆筑過程中持續(xù)采集圖像數(shù)據(jù)。結(jié)合高速圖像處理和深度學(xué)習(xí)算法，實現(xiàn)了對離析情況的實時分析和評估。這一特性使得施工人員能夠及時發(fā)現(xiàn)和處理離析問題，大大提高了質(zhì)量控制的效率和效果。

142、2.高精度檢測：通過優(yōu)化的光學(xué)系統(tǒng)設(shè)計和多參數(shù)綜合分析，本裝置能夠捕捉混凝土微觀結(jié)構(gòu)的細微變化。相比傳統(tǒng)的目視檢查和簡單儀器檢測，本裝置提供的離析評估結(jié)果更加準(zhǔn)確和客觀，顯著減少了人為誤差。

143、3.全面監(jiān)測范圍：本裝置采用多個監(jiān)測單元均勻分布的設(shè)計，可以同時監(jiān)測混凝土結(jié)構(gòu)的不同深度和位置。這種全方位的監(jiān)測能力克服了現(xiàn)有技術(shù)中監(jiān)測范圍局限的問題，為全面評估整個深基坑混凝土結(jié)構(gòu)的離析情況提供了可能。

144、4.智能化數(shù)據(jù)分析：本裝置集成了基于深度學(xué)習(xí)的離析分析模型，能夠自動識別和量化水泥分布均勻度、骨料分布均勻度、孔隙率和界面過渡區(qū)厚度等多個關(guān)鍵參數(shù)。這種智能化的數(shù)據(jù)分析方法不僅提供了更加全面和精確的離析評估結(jié)果，還大大減少了人工分析的工作量。

145、綜上所述，本發(fā)明的裝置解決了當(dāng)前的深基坑混凝土澆筑過程的離析檢測存在依靠工程人員經(jīng)驗以及難以實時評估的技術(shù)問題。