本發(fā)明涉及工程檢測，具體而言，涉及一種水利建筑工程的質(zhì)量檢測方法及系統(tǒng)。

背景技術(shù)：

1、水利建筑工程是研究、規(guī)劃、設(shè)計和建設(shè)與水資源管理、利用和防治相關(guān)的工程，包括水的供給、排水、灌溉、河流治理、洪水控制和水環(huán)境保護等，主要所涉及水壩和水庫相關(guān)的建筑工程。

2、在本方案中主要涉及對與壩體相關(guān)的檢測工作，壩體的安全性能是整個水利建筑工程的重中之重，在現(xiàn)有技術(shù)中，一般直接采集數(shù)據(jù)通過對比常規(guī)的歷史數(shù)據(jù)得到當(dāng)前壩體是否合格，但在現(xiàn)有技術(shù)中沒有針對于當(dāng)前情況進行后續(xù)更多的結(jié)果輸出，即當(dāng)前合格的話沒有對未來壩體使用的預(yù)測，不合格的話也沒有相關(guān)的預(yù)警程度的結(jié)果判斷。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種水利建筑工程的質(zhì)量檢測方法及系統(tǒng)，來解決現(xiàn)有技術(shù)中的上述問題。

2、本發(fā)明通過以下技術(shù)方案實現(xiàn)：

3、第一方面，本發(fā)明提供了一種水利建筑工程的質(zhì)量檢測方法，包括：

4、獲取當(dāng)前壩體的基礎(chǔ)圖像，并對基礎(chǔ)圖像進行預(yù)處理，建立圖像識別模型，通過圖像識別模型判斷當(dāng)前壩體是否有裂痕或水漬；

5、若有裂痕，則輸出當(dāng)前水利建筑工程不合格的結(jié)果，若僅有水漬，則判斷當(dāng)前水漬是否為壩體的滲漏，若是，則輸出當(dāng)前水利建筑工程不合格的結(jié)果，若不是，則設(shè)置下次圖像獲取時間間隔和獲取次數(shù)；

6、通過所設(shè)置下次圖像獲取時間間隔和獲取次數(shù)得到若干個基礎(chǔ)圖像，通過若干個基礎(chǔ)圖像判斷當(dāng)前壩體是否出現(xiàn)變形，并獲取壩體的不同時期的若干組基礎(chǔ)數(shù)據(jù)，若未變形，則進入第一檢測進程，若變形，則進入第二檢測進程；

7、所述第一檢測進程包括建立壩體使用預(yù)測模擬模型，通過不同時期的若干組基礎(chǔ)數(shù)據(jù)和壩體使用預(yù)測模擬模型，輸出當(dāng)前壩體是否合格的結(jié)果；

8、所述第二檢測進程包括建立壩體質(zhì)量告警模型，通過當(dāng)前的基礎(chǔ)數(shù)據(jù)和壩體質(zhì)量告警模型輸出評價值，并設(shè)置評價值閾值，通過評價值和評價值閾值輸出對當(dāng)前壩體質(zhì)量一般告警或嚴重告警的結(jié)果。

9、優(yōu)選的，所述對基礎(chǔ)圖像進行預(yù)處理包括：

10、讀取基礎(chǔ)圖像的色彩數(shù)據(jù)，將每個像素從rgb顏色空間轉(zhuǎn)換為灰度值；

11、將灰度值賦值于新的圖像矩陣，生成只包含灰度信息的第一圖像；

12、選擇高斯濾波器的大小和標準差，根據(jù)大小和標準差生成高斯核；

13、通過高斯核對第一圖像進行卷積，遍歷圖像中的每一個像素，并通過高斯核對當(dāng)前像素及其周圍的像素進行加權(quán)平均，輸出第二圖像。

14、優(yōu)選的，所述根據(jù)大小和標準差生成高斯核包括：

15、

16、式中，為高斯核，為像素點在水平方向上的偏移量，為像素點在垂直方向上的偏移量，為標準差。

17、優(yōu)選的，所述判斷當(dāng)前水漬是否為壩體的滲漏包括：

18、獲取當(dāng)前被識別為水漬的第一圖像特征和識別為壩體的第二圖像特征；

19、獲取第一圖像特征和第二圖像特征在基礎(chǔ)圖像是否重合，若未重合，則輸出當(dāng)前水漬不為壩體的滲漏的結(jié)果；

20、若重合，則若干個時間段獲取若干個第一圖像特征，判斷第一圖像特征是否縮小，若未縮小則輸出當(dāng)前水漬為壩體的滲漏的結(jié)果，若縮小，則輸出當(dāng)前水漬不為壩體的滲漏的結(jié)果。

21、優(yōu)選的，所述設(shè)置下次圖像獲取時間間隔和獲取次數(shù)包括：

22、

23、

24、式中，為下一次圖像獲取的時間間隔，為當(dāng)前進行水壩檢測總?cè)藬?shù)，為單次進行水壩檢測所需要的人數(shù)，為壩體完工后所占面積，為壩體與水面接觸面積，為單次檢測成本，為當(dāng)前檢測工期內(nèi)的總成本，為當(dāng)前壩體的高度，為當(dāng)前水面的高度，為壩體所用混凝土量，為壩體周邊設(shè)施所用混凝土量，為獲取次數(shù)。

25、優(yōu)選的，所述通過若干個基礎(chǔ)圖像判斷當(dāng)前壩體是否出現(xiàn)變形包括：

26、獲取若干個基礎(chǔ)圖像中壩體特征與整個基礎(chǔ)圖像的所占比例，并建立判斷模型，通過判斷模型輸出判斷值，并設(shè)置判斷閾值，所述判斷值小于判斷閾值則輸出壩體未變形的結(jié)果，若未小于判斷閾值則輸出壩體變形的結(jié)果。

27、優(yōu)選的，所述判斷模型包括：

28、

29、式中，為判斷值，為基礎(chǔ)圖像的總數(shù)，為第個基礎(chǔ)圖像的壩體特征與整個基礎(chǔ)圖像的所占比例，為第個基礎(chǔ)圖像的壩體特征與整個基礎(chǔ)圖像的所占比例，為第個基礎(chǔ)圖像的壩體特征與整個基礎(chǔ)圖像的所占比例。

30、優(yōu)選的，所述建立壩體使用預(yù)測模擬模型包括；

31、對獲取的壩體的不同時期的若干組基礎(chǔ)數(shù)據(jù)進行歸一化處理，將處理后的基礎(chǔ)數(shù)據(jù)進行數(shù)據(jù)集劃分，得到訓(xùn)練集和驗證集；

32、建立神經(jīng)網(wǎng)絡(luò)函數(shù)模型，通過訓(xùn)練集對神經(jīng)網(wǎng)絡(luò)函數(shù)模型進行訓(xùn)練，通過驗證集對神經(jīng)網(wǎng)絡(luò)函數(shù)模型進行優(yōu)化，并更新權(quán)重和偏置，直至達到迭代次數(shù)，輸出最優(yōu)的神經(jīng)網(wǎng)絡(luò)函數(shù)模型；

33、所述神經(jīng)網(wǎng)絡(luò)函數(shù)模型包括：

34、

35、式中，為置信值，為輸入層到隱藏層的偏置，為訓(xùn)練時隨機丟棄神經(jīng)元的比例，為學(xué)習(xí)率，為每次迭代中用于計算損失和更新權(quán)重的樣本數(shù)量，為損失函數(shù)，為第層輸入層到第層隱藏層的輸出，為訓(xùn)練集輸入樣本，為激活函數(shù)，為數(shù)據(jù)預(yù)處理時的標準差，為第層隱藏層到第層輸出層的算計權(quán)重，為第層隱藏層到第層輸出層的計算權(quán)重，為正則化系數(shù)，為從訓(xùn)練集中分離出用于驗證的樣本比例，為每次迭代中用于計算損失和更新權(quán)重的樣本數(shù)量；

36、若，或，，則輸出未來壩體趨向于發(fā)生形變的結(jié)果；

37、若，則輸出未來壩體趨向于穩(wěn)定的結(jié)果。

38、優(yōu)選的，所述壩體質(zhì)量告警模型包括：

39、

40、式中，為壩體的水平和垂直位移總量，為壩體在時間上的高度位移量，為壩體混凝土的抗壓強度，為壩體材料的抗拉強度，為壩體材料在剪切作用下的強度，為壩體材料的含水率，為庫區(qū)和壩前的水位變化，為壩基土體的承載能力，為當(dāng)前壩體相對于第一個基礎(chǔ)圖像的形變量。

41、第二方面，本發(fā)明提供了一種水利建筑工程的質(zhì)量檢測系統(tǒng)，包括：

42、獲取模塊，被配置為獲取當(dāng)前壩體的基礎(chǔ)圖像，并對基礎(chǔ)圖像進行預(yù)處理，建立圖像識別模型，通過圖像識別模型判斷當(dāng)前壩體是否有裂痕或水漬；

43、判斷模塊，被配置為若有裂痕，則輸出當(dāng)前水利建筑工程不合格的結(jié)果，若僅有水漬，則判斷當(dāng)前水漬是否為壩體的滲漏，若是，則輸出當(dāng)前水利建筑工程不合格的結(jié)果，若不是，則設(shè)置下次圖像獲取時間間隔和獲取次數(shù)；通過所設(shè)置下次圖像獲取時間間隔和獲取次數(shù)得到若干個基礎(chǔ)圖像，通過若干個基礎(chǔ)圖像判斷當(dāng)前壩體是否出現(xiàn)變形，并獲取當(dāng)前壩體的基礎(chǔ)數(shù)據(jù)；

44、選擇模塊，被配置為若未變形，則進入第一檢測進程，若變形，則進入第二檢測進程，所述第一檢測進程包括建立壩體使用預(yù)測模擬模型，通過基礎(chǔ)數(shù)據(jù)和壩體使用預(yù)測模擬模型，輸出當(dāng)前壩體是否合格的結(jié)果；所述第二檢測進程包括建立壩體質(zhì)量告警模型，通過基礎(chǔ)數(shù)據(jù)和壩體質(zhì)量告警模型輸出評價值，并設(shè)置評價值閾值，通過評價值和評價值閾值輸出對當(dāng)前壩體質(zhì)量一般告警或嚴重告警的結(jié)果。

45、本發(fā)明實施例的技術(shù)方案至少具有如下優(yōu)點和有益效果：

46、采用發(fā)明提供的方法，主要包括通過圖像識別模型判斷當(dāng)前壩體是否有裂痕或水漬；通過所設(shè)置下次圖像獲取時間間隔和獲取次數(shù)得到若干個基礎(chǔ)圖像，通過若干個基礎(chǔ)圖像判斷當(dāng)前壩體是否出現(xiàn)變形，并獲取當(dāng)前壩體的基礎(chǔ)數(shù)據(jù)，若未變形，則進入第一檢測進程，若變形，則進入第二檢測進程。通過本發(fā)明的上述方法，可以在判斷出當(dāng)前壩體是否合格的結(jié)果之上，進行再次的深度判斷，對所判斷的結(jié)果進行分析，無論是合格還是不合格，通過選擇的兩個檢測進程，來得到更多的后續(xù)內(nèi)容，供工作人員進行分析，實現(xiàn)了結(jié)合當(dāng)前情況進行后續(xù)更多的結(jié)果輸出，來使最終的檢測結(jié)果更加準確。