一种基于人工智能的检查井施工质量检测系统及方法与流程

本发明涉及施工质量检测，具体为一种基于人工智能的检查井施工质量检测系统及方法。

背景技术：

1、检查井是一种设置在地下水利工程或者排水系统中的设施，一般是指用于检查和维修地下管道、电缆、通信设备等的井口，它通常位于道路、人行道或者其他地方、覆盖有一个金属盖板或者混泥土盖板，检查井的作用的是提供一个方便的入口，使工作人员可以进入地下管道进行检查、维护和清理，人工智能是新一轮科技革命和产业变革的重要驱动力，可以通过模拟人类的智能行为，实现自动化、学习、推理等功能，因此人工智能技术已经逐步应用在检查井施工质量检测上，在检查井施工质量检测中使用人工智能技术包含但是不限于以下几点好处，1、数据自动化处理，人工智能技术可以实现对大量数据自动化处理和分析，从而提高效率，节省人力成本，并且还能够对大量数据进行快速准确的处理；2、数据智能挖掘，人工智能技术可以挖掘大量数据中潜在规律和特征，帮助发现隐藏在数据中的信息，从而帮助使用者可以更加全面、更加深入的评估检查井施工质量；3、模式识别，人工智能技术可以通过机器学习等方法，去对检查井的施工质量相关数据进行模式识别，帮助检查井质量评估人员快速准确的分析和识别问题，提高对检查井施工质量的检测效率。

2、目前大部分对于检查井施工质量的检测主要依赖于人工进行，就会导致在实际中检查井的施工质量检测主要依赖于人工的目视检查和经验判断，缺乏科学性和客观性，而且对检查井进行施工质量检测的操作人员必须要进行必要的培训和技术支持，否则很有可能导致检测的检查井相关数据出现不准确的现象，不仅会使得检查井的维护工作出现不必要的开支，增加维护成本，影响检查井的有效管理和运行，甚至还有可能引发严重的安全事故，危机人员和环境的安全。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的检查井施工质量检测系统及方法，以解决上述背景技术中存在的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的检查井施工质量检测方法，方法包括：

3、步骤s100：构建检查井质量检测云平台，获取历史检查井事故记录，从历史检查井事故记录中提取特征检查井事故数据，并对历史检查井事故记录进行筛选，得到特征历史检查井事故记录，对特征历史检查井事故记录所对应的历史检查井进行获取，记为特征历史检查井；

4、步骤s200：从云平台中获取特征历史检查井的历史施工质量检测记录，从历史施工质量检测记录中获取特征历史检查井的历史检查井图像，从云平台中获取特征检查井对照图像数据，分析历史检查井事故记录中的历史检查井图像，与特征检查井对照图像数据之间的图像差异性程度，得到特征历史检查井图像；

5、步骤s300：获取云平台中的特征历史检查井图像并进行汇集，得到特征历史检查井图像集，分析特征历史检查井图像集中的不同特征历史检查井图像之间的图像相近程度，得到标记检查井对照图像；

6、步骤s400：获取在当前周期内进行施工质量检测的检查井的检查井图像，获取云平台中的标记检查井对照图像，对当前周期内的检查井进行施工质量评估，并对检查井施工质量检测进行智能管理。

7、进一步的，步骤s100包括：

8、步骤s101：构建检查井质量检测云平台，从云平台中获取在历史周期内的进行施工质量检测的各个历史检查井，各个历史检查井均通过施工质量检测，获取各个历史检查井的历史检查井事故记录；

9、步骤s102：从历史检查井事故记录中获取历史检查井的特征检测井事故数据，特征检查井事故数据包括，历史检查井事故记录中的实测的历史检查井的各项质量检测参数对应数据；

10、步骤s103：当某一个历史检查井事故记录中实测的历史检查井的某一项质量检测参数对应数据，不在某一质量检测参数预设的参数数据范围内，将某一个历史检查井事故记录记为特征历史检查井事故记录，获取云平台中的各个特征历史检查井事故记录，获取在历史周期内特征历史检查井事故记录中进行施工质量检测的历史检查井，并记为特征历史检查井。

11、进一步的，步骤s200包括：

12、步骤s201：获取云平台中的特征历史检查井，获取特征历史检查井的历史施工质量检测记录，从历史施工质量检测记录中获取特征历史检查井进行施工质量检测的各个历史检查井图像，并将各个历史检查井图像进行汇集，得到特征历史检查井的历史检查井图像集；

13、步骤s202：从云平台中获取特征历史检查井的特征检查井对照图像数据，特征检查井对照图像数据，包括对特征历史检查井进行施工质量检测的各个特征检查井对照图像；

14、步骤s203：对历史检查井图像集中的各个历史检查井图像与特征检查井对照图像数据之间的图像差异程度进行分析，其中，历史检查井图像集中的第a个历史检查井图像，与特征检查井对照图像数据之间图像差异程度具体分析过程为，获取第a个历史检查井图像进行施工质量检测时的若干个特征检查井对照图像，并进行汇集，得到第a个历史检查井图像的特征检查井对照图像集；

15、步骤s204：基于特征检查井对照图像集中的特征检查井对照图像，对第a个历史检查井图像进行图像预处理，并对特征检查井对照图像集中的特征检查井对照图像与第a个历史检查井图像进行灰度转化；

16、步骤s205：计算第a个历史检查井图像，与特征检查井对照图像集中的若干个特征检查井对照图像之间的标记图像差异值，其中，第a个历史检查井图像与特征检查井对照图像集中的第b个特征检查井对照图像之间的标记图像差异值ea,b：

17、ea,b＝∑i＝1i＝j|xi-yi|/j；

18、其中，j为第a个历史检查井图像中的像素点的总个数；xi为第a个历史检查井图像中的第i个像素点的灰度值；yi为第b个特征检查井对照图像中的第i个像素点的灰度值；

19、步骤s206：计算第a个历史检查井图像与特征检查井对照图像集之间的特征图像差异值ha：

20、ha＝∑z＝1z＝nea,z/n；

21、其中，n为特征检查井对照图像集中的若干个特征检查井对照图像的总个数；ea,z为第a个历史检查井图像与特征检查井对照图像集中的第z个特征检查井对照图像之间的标记图像差异值；

22、步骤s207：当第a个历史检查井图像与特征检查井对照图像集之间的特征图像差异值，大于预设的特征图像差异阈值，将第a个历史检查井图像记为特征历史检查井图像，获取特征历史检查井的历史检查井图像集中的若干个特征历史检查井图像。

23、进一步的，步骤s300包括：

24、步骤s301：获取云平台中的各个特征历史检查井的历史施工质量检测记录，从各个特征历史检查井的历史施工质量检测记录中获取特征历史检查井图像；

25、步骤s302：获取特征历史检查井图像的所属的检查井区域，将属于同一检测井区域的各个特征历史检查井图像进行汇集，得到检查井中的各个检查井区域的特征历史检查井图像集；

26、步骤s303：分析各个检查井区域的特征历史检查井图像集中的各个特征历史检查井图像之间的图像相近程度，其中，分析第c个检查井区域的特征历史检查井图像集中的第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集中的各个特征历史检查井图像之间图像相近程度的具体过程为，基于第f个特征历史检查井图像，对第c个检查井区域的特征历史检查井图像集中的各个特征历史检查井图像进行图像预处理，并将特征历史检查井图像集中的各个特征历史检查井图像进行灰度转化；

27、步骤s304：计算第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集中的各个特征历史检查井图像之间的特征图像相近值，其中，第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集中的第g个特征历史检查井图像之间的标记图像相近值pcf,g：

28、pcf,g＝[(2×uf×ug+α1)×(2×σf,g+α2)]/[(uf2×ug2+α1)×(σg 2×σf 2+α2)]；

29、其中，uf为第f个特征历史检查井图像的各个像素点的灰度值的平均值；ug为所述第g个特征历史检查井图像的各个像素点的灰度值的平均值；σf,g为第f个特征历史检查井图像和第g个特征历史检查井图像之间像素点的灰度值的协方差；σf为第f个特征历史检查井图像的像素点的灰度值的方差；σg为所述第g个特征历史检查井图像的像素点的灰度值的方差；α1为预设的第一相近常数；α2为预设的第二相近常数；

30、步骤s305：计算第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集之间的特征图像相近值kf,c：

31、kf,c＝∑s＝1s＝mpcf,s/m；

32、其中，m为第c个检查井区域的特征历史检查井图像集中的特征历史检查井图像总个数；pcf,s为第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集中的第s个特征历史检查井图像之间的标记图像相近值；

33、步骤s306：获取第c个检查井区域的特征历史检查井图像集中的各个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集之间的特征图像相近值的平均值，当第f个特征历史检查井图像，与第c个检查井区域的特征历史检查井图像集之间的特征图像相近值大于平均值时，将第f个特征历史检查井图像记为第c个检查井区域的标记检查井对照图像，获取第c个检查井区域的若干个标记检查井对照图像。

34、进一步的，步骤s400包括：

35、步骤s401：获取检查井中的各个检查井区域的标记检查井对照图像并进行汇集，得到各个检查井区域的标记检查井对照图像集；

36、步骤s402：使用工业相机对当前周期内进行施工质量检测的检查井的各个检查井区域进行拍摄，获取在当前周期内的进行施工质量检测的检查井的各个检查井区域的检查井图像；

37、步骤s403：从云平台中获取对当前周期内检查井的各个检查井区域的特征检查井对照图像，获取当前周期内的检查井的各个检查井区域的检查井图像与对应的特征检查井对照图像的标记图像差异值；

38、步骤s404：当当前周期内的检查井的各个检查井区域的检查井图像与对应的特征检查井对照图像的标记图像差异值，均小于预设标记图像差异阈值，并且当前周期内的检查井的各个检查井区域的检查井图像与，各个检查井区域的标记检查井对照图像集中的标记检查井对照图像之间的标记图像相近值，均小于预设的标记图像相近阈值，判定当前周期内进行施工质量检测的检查井的施工质量合格，反之，则判定当前周期内进行施工质量检测的检查井的施工质量不合格，派遣工作人员对检查井进行实地评估维护，并对检查井施工质量检测进行智能管理；

39、上述步骤通过对当前周期内的检查井的各个检查井区域的检查井图像两次判断，第一次属于常规，将当前周期内的检查井的各个检查井区域与云平台之前存在的特征检查井对照图像进行图像差异度比对，获取图像差异度较低的检查井图像，判定这部分的检查井图像的检查井区域质量合格，第二次是为了根据历史记录去找到那些被误认为施工质量合格的检查井区域，这样判断方式，可以大大提高对检查井施工质量评估的准确性。

40、为了更好的实现上述方法还提出了检查井施工质量检测系统，检测系统包括特征历史检查井模块、特征历史检查井图像模块、标记检查井对照图像模块、智能管理模块；

41、特征历史检查井模块，用于对特征历史检查井事故记录所对应的历史检查井进行获取，记为特征历史检查井；

42、特征历史检查井图像模块，用于对历史检查井事故记录中的历史检查井图像，与特征检查井对照图像数据之间的图像差异性程度进行分析，得到特征历史检查井图像；

43、标记检查井对照图像模块，用于对特征历史检查井图像集中的不同特征历史检查井图像之间的图像相近程度进行分析，得到标记检查井对照图像；

44、智能管理模块，用于对当前周期内的检查井进行施工质量评估，并对检查井施工质量检测进行智能管理。

45、进一步的，特征历史检查井模块包括特征历史检查井单元；

46、特征历史检查井单元，用于对历史检查井事故记录进行获取，从历史检查井事故记录中提取特征检查井事故数据，并对历史检查井事故记录进行筛选，得到特征历史检查井事故记录，对特征历史检查井事故记录所对应的历史检查井进行获取，记为特征历史检查井。

47、进一步的，特征历史检查井图像模块包括特征图像差异值单元、特征历史检查井图像单元；

48、特征图像差异值单元，用于对历史检查井图像与特征检查井对照图像集之间的特征图像差异值进行计算；

49、特征历史检查井图像单元，用于根据历史检查井图像与特征检查井对照图像集之间的特征图像差异值，得到特征历史检查井的历史检查井图像集中的特征历史检查井图像。

50、进一步的，标记检查井对照图像模块包括特征图像相近值单元、标记检查井对照图像单元；

51、特征图像相近值单元，用于对特征历史检查井图像与检查井区域的特征历史检查井图像集之间的特征图像相近值进行计算；

52、标记检查井对照图像单元，用于根据特征历史检查井图像与检查井区域的特征历史检查井图像集之间的特征图像相近值，获取检查井区域的标记检查井对照图像。

53、进一步的，智能管理模块包括智能管理单元；

54、智能管理单元，用于对当前周期内进行施工质量检测的检查井的检查井图像进行获取，获取云平台中的标记检查井对照图像，对当前周期内的检查井进行施工质量评估，并对检查井施工质量检测进行智能管理。

55、与现有技术相比，本发明所达到的有益效果是：本发明实现了对于检查井施工质量的高精度检测，通过检查井的图像去对检查井进行施工质量检测，并且在施工质量检测中还能根据历史检查井的情况，去实时调整优化对检查井施工质量的检测策略，不仅仅大大提高了对检查井质量检测的检测效率，而且还可以帮助系统的使用者去更加全面、更加深入的了解检查井施工质量，并且由于检测过程中不需要专业人员进行实地检测，大大节省了人力成本，不仅仅减低检查井施工质量检测过程中的开支，而且还提高对检查井施工质量的检测效率，从而进一步保障检查井的质量安全。