本發(fā)明涉及建筑巡檢，具體涉及一種基于bim+ar的現(xiàn)場巡檢系統(tǒng)及方法。

背景技術(shù)：

1、建筑工地的安全管理至關(guān)重要，任何安全隱患都可能導(dǎo)致嚴(yán)重的安全事故，危及工人生命安全，造成巨大的經(jīng)濟損失。巡檢是確保工程質(zhì)量的重要手段，通過對施工過程的監(jiān)督，可以及時發(fā)現(xiàn)并糾正質(zhì)量問題，確保建設(shè)項目按標(biāo)準(zhǔn)完成。

2、目前大部分建筑工地仍然依賴于人工巡檢，由專職巡檢人員定期或不定期地對施工現(xiàn)場進行檢查，巡檢結(jié)果通常通過紙質(zhì)記錄的方式保存，包括照片、文字描述等，現(xiàn)有的巡檢方式依然存在以下問題：

3、人工巡檢的結(jié)果容易受到巡檢人員的經(jīng)驗、責(zé)任心等因素的影響，不同巡檢人員的標(biāo)準(zhǔn)可能不一致，導(dǎo)致巡檢結(jié)果的可靠性較低。

4、由于巡檢過程缺乏有效的監(jiān)督機制，巡檢人員可能會出現(xiàn)遺漏檢查或敷衍了事的情況，降低了巡檢的有效性。

5、巡檢結(jié)果通常需要一段時間才能匯總上報，無法做到實時監(jiān)控，難以及時發(fā)現(xiàn)和處理問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的之一在于提供一種基于bim+ar的現(xiàn)場巡檢系統(tǒng)及方法，能夠在現(xiàn)場巡檢的過程中，提高巡檢人員對應(yīng)的巡檢準(zhǔn)確性，同時實現(xiàn)對巡檢結(jié)果的實時檢測，提高巡檢的可靠性。

2、為了達到上述目的，提供了一種基于bim+ar的現(xiàn)場巡檢系統(tǒng)，包括服務(wù)端和用戶ar巡檢端；

3、所述服務(wù)端包括：

4、模型構(gòu)建模塊，用于構(gòu)建待巡檢建筑在各個巡檢時間段所對應(yīng)的待巡檢子建筑所對應(yīng)各個建筑bim模型；

5、歷史巡檢結(jié)果獲取模塊，用于從數(shù)據(jù)庫中獲取與待巡檢建筑相類似的建筑所對應(yīng)的歷史巡檢結(jié)果；

6、巡檢任務(wù)生成模塊，用于根據(jù)獲取到的歷史巡檢結(jié)果，基于各個巡檢時間段所對應(yīng)的建筑bim模型，確定在各個巡檢時間段所對應(yīng)的各個巡檢點以及巡檢點在對應(yīng)建筑bim模型中的位置信息，并制定各個巡檢點所對應(yīng)的巡檢任務(wù)并存儲到對應(yīng)的數(shù)據(jù)庫中；

7、傳輸模塊，用于在抵達對應(yīng)的巡檢時間段時，從數(shù)據(jù)庫中調(diào)取對應(yīng)巡檢時間段所對應(yīng)的各個巡檢點、巡檢點在對應(yīng)的建筑bim模型的位置信息、以及各個巡檢點的巡檢任務(wù)發(fā)送給用戶ar巡檢端；

8、監(jiān)控數(shù)據(jù)采集模塊，用于通過用戶ar巡檢端對當(dāng)前巡檢時間段所對應(yīng)的待巡檢子建筑進行實時監(jiān)控，并實時獲取當(dāng)前巡檢人員在巡檢過程中的對應(yīng)的監(jiān)控視頻數(shù)據(jù)；

9、巡檢結(jié)果上傳模塊，用于對當(dāng)前巡檢人員在巡檢過程中各個巡檢點所對應(yīng)的當(dāng)前巡檢結(jié)果進行上傳；

10、處理模塊，用于根據(jù)當(dāng)前巡檢人員所對應(yīng)身份信息，調(diào)取當(dāng)前巡檢人員的身份信息所對應(yīng)的巡檢擅長點，基于該巡檢擅長點，將非巡檢擅長點所對應(yīng)的巡檢點進行選取，形成對應(yīng)的非巡檢擅長點列表，所述非巡檢擅長列表中的各個巡檢點與各自對應(yīng)的監(jiān)控視頻數(shù)據(jù)進行關(guān)聯(lián)；

11、智能識別模塊，用于根據(jù)非巡檢擅長點列表以及對應(yīng)的監(jiān)控視頻數(shù)據(jù)，基于預(yù)設(shè)設(shè)置的ai巡檢識別模型，識別出非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果；

12、對比模塊，用于根據(jù)非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果，以及對應(yīng)的當(dāng)前巡檢結(jié)果，識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，并將識別出來的巡檢點反饋給當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端。

13、本方案的技術(shù)原理及效果：在本方案中，首先通過模型構(gòu)建模塊實現(xiàn)對待巡檢建筑在各個巡檢時間段所對應(yīng)的各個待巡檢子建筑所對應(yīng)的各個建筑bim模型的構(gòu)建，通過對待巡檢建筑在各個巡檢時間段所對應(yīng)的劃分，從而實現(xiàn)將巡檢量較大的建筑進行了周期性或者規(guī)律性的劃分，極大提高了巡檢的流程化和可行性。

14、之后通過從數(shù)據(jù)庫中獲取與待巡檢建筑相類似的建筑所對應(yīng)的歷史巡檢結(jié)果來對本次的待巡檢建筑所對應(yīng)的各個巡檢時間段所對應(yīng)的各個巡檢點以及巡檢點在建筑bim模型中的位置信息的識別，同時也制定各個巡檢點所對應(yīng)的巡檢任務(wù)，并且將這些信息發(fā)送給用戶ar巡檢端。之后在抵達對應(yīng)的巡檢時間段時，巡檢人員就可以佩戴上用戶ar巡檢端進行巡檢，在這個過程中，通過用戶ar巡檢端對當(dāng)前巡檢時間段所對應(yīng)的待巡檢子建筑進行實時監(jiān)控，并實時獲取當(dāng)前巡檢人員在巡檢過程中的對應(yīng)的監(jiān)控視頻數(shù)據(jù)，實現(xiàn)對巡檢全過程的實時監(jiān)控。在巡檢完成之后，對當(dāng)前巡檢人員在巡檢過程中各個巡檢點所對應(yīng)的當(dāng)前巡檢結(jié)果進行上傳，這樣就可以對當(dāng)前巡檢人員在巡檢過程的巡檢結(jié)果進行采集。

15、當(dāng)然在這個過程中，巡檢人員在巡檢過程中可能會存在遺漏或者未發(fā)現(xiàn)的問題，即巡檢到不擅長的情況，為了避免這種情況的出現(xiàn)，根據(jù)當(dāng)前巡檢人員所對應(yīng)身份信息，調(diào)取當(dāng)前巡檢人員的身份信息所對應(yīng)的巡檢擅長點，基于該巡檢擅長點，將非巡檢擅長點所對應(yīng)的巡檢點進行選取，形成對應(yīng)的非巡檢擅長點列表，所述非巡檢擅長列表中的各個巡檢點與各自對應(yīng)的監(jiān)控視頻數(shù)據(jù)進行關(guān)聯(lián)，通過這種對巡檢人員的專業(yè)技能的分析，從而識別出當(dāng)前巡檢人員的擅長的巡檢點，以及不擅長的巡檢點，以此來實現(xiàn)區(qū)分，即對這些不擅長的巡檢點進行再一次驗證，通過預(yù)設(shè)的ai巡檢識別模型，識別出非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果，通過比對識別出非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果以及當(dāng)前巡檢結(jié)果之間的是否存在差異的方式來對當(dāng)前巡檢人員的非巡檢擅長點所對應(yīng)的巡檢結(jié)果進行驗證，以此來實現(xiàn)對當(dāng)前巡檢人員在各個非巡檢擅長點的巡檢準(zhǔn)確性進行判斷，以便于在第一時間告知當(dāng)前巡檢人員對應(yīng)的錯誤巡檢，極大提高巡檢人員的后續(xù)巡檢準(zhǔn)確性。

16、進一步，所述服務(wù)端還包括：

17、云巡檢模塊，用于根據(jù)識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，基于數(shù)據(jù)庫中存儲的各個待定巡檢人員，選取出各個巡檢點所對應(yīng)的巡檢最優(yōu)人員，并形成對應(yīng)的最優(yōu)巡檢人員方案，并基于最優(yōu)巡檢人員方案將識別出來的各個巡檢點所對應(yīng)的監(jiān)控視頻數(shù)據(jù)發(fā)送給對應(yīng)的待定巡檢人員；

18、分析模塊，用于獲取待定巡檢人員所上傳的各自對應(yīng)的巡檢點所對應(yīng)的云巡檢結(jié)果，并基于當(dāng)前巡檢人員所對應(yīng)的當(dāng)前巡檢結(jié)果，以及對應(yīng)的云巡檢結(jié)果，對當(dāng)前巡檢人員與待定巡檢人員所對應(yīng)巡檢差異結(jié)果進行分析并輸出對應(yīng)的巡檢差異報告，將巡檢差異報告發(fā)送給當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端進行可視化顯示。

19、有益效果：通過引進其他的巡檢人員的方式來進行二次巡檢，具體的，根據(jù)識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，基于數(shù)據(jù)庫中存儲的各個待定巡檢人員，選取出各個巡檢點所對應(yīng)的巡檢最優(yōu)人員，并形成對應(yīng)的最優(yōu)巡檢人員方案，并基于最優(yōu)巡檢人員方案將識別出來的各個巡檢點所對應(yīng)的監(jiān)控視頻數(shù)據(jù)發(fā)送給對應(yīng)的待定巡檢人員，即從數(shù)據(jù)庫中匹配出最優(yōu)的待定巡檢人員的集合，從而實現(xiàn)對當(dāng)前巡檢人員的非擅長的巡檢點進行二次巡檢，極大提高了對非巡檢擅長點列表中的各個巡檢點巡檢可靠性和效率，能夠更準(zhǔn)確的更合理的實現(xiàn)對識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點的巡檢。

20、最后通過比對當(dāng)前巡檢人員所對應(yīng)的當(dāng)前巡檢結(jié)果和對應(yīng)的云巡檢結(jié)果之間的巡檢差異來進行巡檢差異報告的制作，從而實現(xiàn)對當(dāng)前巡檢人員的巡檢提醒，極大提高了現(xiàn)場的巡檢人員的巡檢能力，通過及時的巡檢差異報告的告知，以及與現(xiàn)場的結(jié)合極大提高了巡檢人員的巡檢印象，能夠更好的幫助巡檢人員提高巡檢質(zhì)量。

21、進一步，所述云巡檢模塊包括：

22、初篩模塊，用于根據(jù)識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，基于數(shù)據(jù)庫中存儲的各個待定巡檢人員，隨機生成n個初始種群，所述初始種群的個體為非巡檢擅長點列表中各個巡檢點所對應(yīng)的待定巡檢人員集；基于初步篩選條件，對初始種群的個體進行篩選和判斷，若滿足條件，則為可行解，反之則為不可行解，將對應(yīng)的初始種群進行剔除；

23、適應(yīng)度計算模塊，用于根據(jù)預(yù)設(shè)的第一適應(yīng)度計算公式和第二適應(yīng)度計算公式，對選取出來的種群進行適應(yīng)度計算；

24、所述第一適應(yīng)度計算公式為：

25、

26、式中，f1為第一適應(yīng)度，d1為種群所對應(yīng)的待定巡檢人員的巡檢收益值，si為種群中第i個待定巡檢人員在巡檢對應(yīng)的巡檢點時對應(yīng)的巡檢準(zhǔn)確度，mi為種群中第i個待定巡檢人員在巡檢對應(yīng)的巡檢點時對應(yīng)的巡檢任務(wù)滿足度，α，β為對應(yīng)的加權(quán)系數(shù)，suiji為隨機生成的0到1的一個隨機數(shù)，p為隨機閾值，xij為種群中第i個待定巡檢人員所對應(yīng)的第j次巡檢對應(yīng)的巡檢點時對應(yīng)的準(zhǔn)確值，若準(zhǔn)確，則xij＝1，反之則為0；m為種群中待定巡檢人員的個數(shù)，n為待定巡檢人員所對應(yīng)的巡檢某一巡檢點的次數(shù)；y為動態(tài)值，所述y的大小與隨機數(shù)的小于p的次數(shù)c和預(yù)設(shè)值b相關(guān)；

27、所述第二適應(yīng)度計算公式為：

28、

29、式中，f2為第二適應(yīng)度，d2為種群所對應(yīng)的巡檢效率總值，lk為種群中第k個待定巡檢人員在巡檢對應(yīng)的巡檢點時對應(yīng)的巡檢效率；

30、選擇模塊，用于在第一預(yù)設(shè)迭代次數(shù)內(nèi)，根據(jù)種群所對應(yīng)的第一適應(yīng)度，選取第一適應(yīng)度小于或者等于第一適應(yīng)度閾值的種群，并對于此時剔除的種群中，選取第二適應(yīng)度最小的前三個種群，并將其保存到備用庫中；

31、超出第一預(yù)設(shè)迭代次數(shù)時，將此時的種群與備用庫中的種群進行組合，形成新的種群，并對此時種群所對應(yīng)的第二適應(yīng)度小于預(yù)設(shè)第二適應(yīng)度閾值的種群進行選擇；

32、交叉變異模塊，用于對選擇的種群進行雜交、變異得到子代種群；

33、循環(huán)模塊，用于在得到子代種群之后，繼續(xù)執(zhí)行適應(yīng)度計算模塊，直到滿足預(yù)設(shè)迭代數(shù)量；

34、輸出模塊，用于輸出子代種群作為多目標(biāo)優(yōu)化的最優(yōu)解集合。

35、有益效果：在本方案中通過優(yōu)化算法的設(shè)置來實現(xiàn)最優(yōu)的待定巡檢人員的選取，使用適應(yīng)度函數(shù)的計算來實現(xiàn)對種群的篩選，具體的，通過引入巡檢準(zhǔn)確度和巡檢任務(wù)滿足度，確保選擇的巡檢人員在特定任務(wù)上有較高的準(zhǔn)確性和滿意度，從而提高巡檢的整體質(zhì)量。

36、其次通過引入隨機數(shù)和閾值，使得適應(yīng)度計算具有一定的隨機性，避免了算法陷入局部最優(yōu)解。當(dāng)suiji小于p時，通過動態(tài)值y調(diào)整適應(yīng)度，增加了算法的靈活性。

37、進一步，所述服務(wù)端還包括：

38、異常點識別模塊，用于根據(jù)識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，調(diào)取識別出來的巡檢點所對應(yīng)的位置信息，并實時獲取當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端所對應(yīng)的當(dāng)前位置信息，計算出識別出來的巡檢點與當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端之間的位置距離差，判斷位置距離差與預(yù)設(shè)距離閾值的大小關(guān)系，若位置距離差小于或等于預(yù)設(shè)距離閾值，則向當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端發(fā)送報警信號。

39、有益效果：在本方案中，通過自動化識別異常點，減少人工檢查的時間，使得巡檢工作更加高效。當(dāng)檢測到異常情況時，及時向巡檢人員發(fā)出警報，可以有效防止?jié)撛谑鹿实陌l(fā)生，保障人員安全。實時獲取巡檢人員的位置信息并與異常點的位置進行比較，可以幫助快速定位問題所在，縮短問題處理的時間。提供準(zhǔn)確的數(shù)據(jù)支持，幫助管理人員做出及時有效的決策，如派遣最近的維修團隊前往異常點等可以通過提前預(yù)警避免小故障演變成大問題，從而減少不必要的維修費用和設(shè)備停機時間。對于使用ar巡檢端的巡檢人員來說，該功能簡化了操作流程，提高了工作的便捷性，增強了用戶體驗。

40、本發(fā)明還提供了一種基于bim+ar的現(xiàn)場巡檢方法，使用上述的一種基于bim+ar的現(xiàn)場巡檢系統(tǒng)，包括以下步驟：

41、s1、構(gòu)建待巡檢建筑在各個巡檢時間段所對應(yīng)的待巡檢子建筑所對應(yīng)各個建筑bim模型；

42、s2、從數(shù)據(jù)庫中獲取與待巡檢建筑相類似的建筑所對應(yīng)的歷史巡檢結(jié)果；

43、s3、根據(jù)獲取到的歷史巡檢結(jié)果，基于各個巡檢時間段所對應(yīng)的建筑bim模型，確定在各個巡檢時間段所對應(yīng)的各個巡檢點以及巡檢點在對應(yīng)建筑bim模型中的位置信息，并制定各個巡檢點所對應(yīng)的巡檢任務(wù)并存儲到對應(yīng)的數(shù)據(jù)庫中；

44、s4、在抵達對應(yīng)的巡檢時間段時，從數(shù)據(jù)庫中調(diào)取對應(yīng)巡檢時間段所對應(yīng)的各個巡檢點、巡檢點在對應(yīng)的建筑bim模型的位置信息、以及各個巡檢點的巡檢任務(wù)發(fā)送給用戶ar巡檢端；

45、s5、通過用戶ar巡檢端對當(dāng)前巡檢時間段所對應(yīng)的待巡檢子建筑進行實時監(jiān)控，并實時獲取當(dāng)前巡檢人員在巡檢過程中的對應(yīng)的監(jiān)控視頻數(shù)據(jù)；

46、s6、對當(dāng)前巡檢人員在巡檢過程中各個巡檢點所對應(yīng)的當(dāng)前巡檢結(jié)果進行上傳；

47、s7、根據(jù)當(dāng)前巡檢人員所對應(yīng)身份信息，調(diào)取當(dāng)前巡檢人員的身份信息所對應(yīng)的巡檢擅長點，基于該巡檢擅長點，將非巡檢擅長點所對應(yīng)的巡檢點進行選取，形成對應(yīng)的非巡檢擅長點列表，所述非巡檢擅長列表中的各個巡檢點與各自對應(yīng)的監(jiān)控視頻數(shù)據(jù)進行關(guān)聯(lián)；

48、s8、根據(jù)非巡檢擅長點列表以及對應(yīng)的監(jiān)控視頻數(shù)據(jù)，基于預(yù)設(shè)設(shè)置的ai巡檢識別模型，識別出非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果；

49、s9、根據(jù)非巡檢擅長點中各個巡檢點所對應(yīng)的預(yù)測巡檢結(jié)果，以及對應(yīng)的當(dāng)前巡檢結(jié)果，識別出預(yù)測巡檢結(jié)果與當(dāng)前巡檢結(jié)果存在差異的巡檢點，并將識別出來的巡檢點反饋給當(dāng)前巡檢人員所對應(yīng)的用戶ar巡檢端。