基于无人机的混凝土裂缝对工程结构危害评估系统及方法与流程

本发明涉及混凝土结构安全监测领域，具体来说，尤其涉及基于无人机的混凝土裂缝对工程结构危害评估系统及方法。

背景技术：

1、混凝土作为建设大型建筑的核心材料，天生具备易裂的属性。一旦裂缝在混凝土建筑的关键部位发展到一定阶段，就可能严重威胁建筑物的安全使用。因此，对混凝土结构的裂缝进行及时且有效的监控，准确评估其潜在风险，并实施恰当的修复措施，显得尤为重要。

2、在裂缝监测的传统方法中，人工检查占据了主导地位。这一方法涉及定期派遣工作人员巡查混凝土建筑，使用如刻度尺等工具手动测量所发现的裂缝。尽管普遍采用，这种方式却耗时费力，且对于大型混凝土结构内部裂缝的检测尤为困难，往往难以凭肉眼观测到。

3、传统方法通常依赖于人工检查，这不仅耗时耗力，而且检测范围有限，容易遗漏关键区域，且传统的检测手段往往只能收集单一类型的数据（如视觉数据），缺乏对复杂环境下裂缝特征的全面理解，难以准确识别和分析细小或复杂的裂缝，影响了裂缝评估的准确性；此外，现有的裂缝评估模型往往缺乏足够的泛化能力和鲁棒性，使得模型在处理多样化的真实场景数据时效果不佳，且无法提供足够的信息来支持复杂的工程结构安全评估和决策。

4、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、为了克服以上问题，本发明旨在提出基于无人机的混凝土裂缝对工程结构危害评估系统及方法，目的在于解决现有的裂缝评估模型往往缺乏足够的泛化能力和鲁棒性，使得模型在处理多样化的真实场景数据时效果不佳，且无法提供足够的信息来支持复杂的工程结构安全评估和决策的问题。

2、为此，本发明采用的具体技术方案如下：

3、根据本发明的一个方面，提供了基于无人机的混凝土裂缝对工程结构危害评估系统，该危害评估系统包括：飞行计划制定?？?、数据收集?？?、数据融合与量化分析?？?、裂缝特征评估模型构建?？?、结构安全影响计算模型构建?？榧翱墒踊故灸？?；

4、飞行计划制定?？?，用于通过分析裂缝检测和评估的目标参数制定无人机的飞行计划；

5、数据收集?？?，用于无人机执行飞行计划，并收集混凝土结构的多源数据；

6、数据融合与量化分析?？?，用于利用多分辨率分析法对混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析；

7、裂缝特征评估模型构建?？?，用于基于量化分析结果，利用随机森林算法构建裂缝特征评估模型；

8、结构安全影响计算模型构建?？?，用于利用结构工程学原理和风险评估法，并结合裂缝特征评估模型，构建结构安全影响计算模型，评估混凝土裂缝对工程结构的危害；

9、可视化展示?？?，用于搭建可视化展示界面，并展示结构安全影响计算模型的评估结果。

10、可选地，飞行计划制定?？樵谕ü治隽逊旒觳夂推拦赖哪勘瓴问贫ㄎ奕嘶姆尚屑苹卑ǎ?/p>

11、分析混凝土结构的类型、位置和规模和历史状况，了解检测区域中裂缝检测的要求；

12、分析环境因素对飞行计算的影响，确认飞行区域内的空域规定，并考虑潜在障碍物；

13、基于裂缝检测的要求和天气、光照和周围环境对飞行的影响，选择无人机，并搭载多种传感器，同时设置飞行参数；

14、规划覆盖检测区域的飞行路线的飞行计划，并规划备选飞行路线，确定应急着陆点以应对不同的紧急情况。

15、可选地，数据融合与量化分析?？樵诶枚喾直媛史治龇ǘ曰炷两峁沟亩嘣词萁腥诤?，并通过边缘检测算法进行裂缝特征的量化分析时包括：

16、使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像；

17、将融合后的综合图像转换为灰度图像，并利用改进的sobel算子进行边缘检测和细化处理；

18、对经过边缘检测和细化处理后的图像进行二值化处理，将图像转换为只包含边缘的混凝土结构图像；

19、从边缘的混凝土结构图像中提取裂缝特征，并对提取的裂缝特征进行量化分析；

20、将量化分析的结果整理成量化分析结果报告。

21、可选地，使用小波变换将混凝土结构的多源数据进行融合，并生成包含各种数据源信息的综合图像包括：

22、获取无人机采集的混凝土结构的多源数据，并对多源数据进行预处理；

23、利用小波变换对预处理后的多源数据中每个数据源进行处理，通过小波分解将每个数据源分解为不同尺度的子带，并在多个频率级别上捕捉数据源的特征；

24、根据最大值选择算法将来自不同数据源中捕捉数据源的特征进行融合；

25、使用逆小波变换，将融合后的子带数据重构回原始数据空间，生成包含各种数据源信息的综合图像。

26、可选地，将融合后的综合图像转换为灰度图像，并利用改进的sobel算子进行边缘检测和细化处理包括：

27、将融合后的综合图像转换为灰度图像；

28、定义水平方向和垂直方向的sobel算子，对灰度图像分别与水平方向和垂直方向的sobel算子进行卷积操作，并计算灰度图像中每个像素在水平和垂直方向上的边缘强度；

29、预设阈值，保留边缘强度大于预设阈值的像素点，并显示边缘；

30、对于图像中的每个像素点，在像素点边缘方向上比较相邻像素的梯度强度；

31、若当前像素的梯度强度在当前方向上相邻像素中的最大值，则当前像素被认为是边缘像素；

32、若当前像素的梯度强度非最大的，则将当前像素的梯度强度设置为零。

33、可选地，裂缝特征评估模型构建?？樵诨诹炕治鼋峁?，利用随机森林算法构建裂缝特征评估模型时包括：

34、获取量化分析结果报告，并提取混凝土裂缝的初始特征数据；

35、根据混凝土裂缝的严重程度对初始特征数据进行标注；

36、根据标注后初始特征数据的分布，确定样本混合比，并控制叶节点的分裂行为；

37、根据样本混合比计算分裂阈值参数，并构建多个决策树，同时构建裂缝特征评估模型；

38、在每个决策树的决策节点，根据改进的分裂策略选择最优的分裂点；

39、利用标注好的裂缝特征数据训练裂缝特征评估模型，并采用交叉验证对随机森林模型进行评估；

40、利用训练好的裂缝特征评估模型对新的裂缝特征数据进行分类，分析分类结果，识别派生特征数据。

41、可选地，根据样本混合比计算分裂阈值参数的公式为：

42、；

43、式中，表示混合样本比；

44、表示分裂阈值参数；

45、表示超参数。

46、可选地，在每个决策树的决策节点，根据改进的分裂策略选择最优的分裂点包括：

47、s21、对于决策树中的每个决策节点，确定每个决策节点的数据集合；

48、s22、在构建决策树时，随机选择决策节点的特征；

49、s23、对每个决策节点的特征，计算不同分裂点的分裂标准；

50、s24、基于分裂标准，为每个特征确定最佳分裂点；

51、s25、使用之前计算得到的分裂阈值参数判断是否进行分裂，若决策节点的分裂标准改进超过分裂阈值参数，则在当前决策节点上进行分裂；

52、s26、若决策节点的分裂标准改进不超过分裂阈值参数，则将决策节点保留为叶节点；

53、s27、对于选择进行分裂的决策节点，重复执行s21-s26的步骤，为每个新产生的子节点选择最优的分裂点。

54、可选地，结构安全影响计算模型构建?？樵诶媒峁构こ萄г砗头缦掌拦婪?，并结合裂缝特征评估模型，构建结构安全影响计算模型，评估混凝土裂缝对工程结构的危害时包括：

55、根据结构工程学原理，依据现行工程结构安全标准和风险评估方法，定义裂缝对结构安全影响的评估标准；

56、整合裂缝特征评估模型输出与工程结构的信息；

57、将裂缝特征评估模型的输出与工程结构的信息进行整合；

58、基于结构工程学理论构建结构安全影响计算模型；

59、输入派生特征数据到结构安全影响计算模型中，计算裂缝对结构安全性的影响，并综合工程结构的使用条件和环境因素，评估裂缝对结构的整体危害程度；

60、将安全影响分为不同的风险等级，并根据评估的结果，为每个派生特征数据划分相应的风险等级。

61、根据本发明的另一个方面，提供了基于无人机的混凝土裂缝对工程结构危害评估方法，该危害评估方法包括以下步骤：

62、s11、通过分析裂缝检测和评估的目标参数制定无人机的飞行计划；

63、s12、无人机执行飞行计划，并收集混凝土结构的多源数据；

64、s13、利用多分辨率分析法对混凝土结构的多源数据进行融合，并通过边缘检测算法进行裂缝特征的量化分析；

65、s14、基于量化分析结果，利用随机森林算法构建裂缝特征评估模型；

66、s15、利用结构工程学原理和风险评估法，并结合裂缝特征评估模型，构建结构安全影响计算模型，评估混凝土裂缝对工程结构的危害；

67、s16、搭建可视化展示界面，并展示结构安全影响计算模型的评估结果。

68、相较于现有技术，本技术具有以下有益效果：

69、1、本发明根据混凝土结构的特点和环境因素制定出高效且精确的飞行计划，通过精确的飞行路线和参数设定，无人机能够覆盖所有关键检测区域，同时避免不必要的重复或遗漏，飞行计划考虑了空域规定和潜在障碍物，而数据收集过程中，无人机的实时监控减少了飞行过程中的安全风险，无人机搭载的多种传感器使得数据收集?？槟芄辉诓煌幕肪程跫鹿ぷ?，通过多源数据收集，如图像、视频、热成像和三维扫描，无人机可以提供关于裂缝的全面视角和深入分析，从而提高检测的准确性。

70、2、本发明使用小波变换对多源数据进行融合，可以在不同尺度上捕捉和整合各种数据源的特征，例如图像、热成像和三维扫描数据，从而提供更全面和精确的裂缝分析，将融合后的图像转换为灰度图像，并利用改进的sobel算子进行边缘检测和细化，可以更准确地识别裂缝的位置和形状，对于检测细小和复杂的裂缝尤为有效，通过量化分析，可以得到裂缝的具体参数，如长度、宽度和深度，为后续的结构评估提供重要数据，通过自动化的边缘检测和量化分析，这个?？橄灾岣吡耸荽淼男?。

71、3、本发明通过对量化分析结果中的裂缝初始特征数据进行深入学习，随机森林算法能够高度精准地识别和评估混凝土裂缝的特征，通过确定样本混合比，有效控制决策树的叶节点分裂行为，避免模型过拟合，提高泛化能力，利用样本混合比计算分裂阈值参数，为构建的决策树提供了动态的分裂策略，有助于优化模型的性能，通过在每个决策树节点上采用改进的分裂策略，随机森林算法能够更准确地选择分裂点，增强模型对数据变异的适应性和鲁棒性，通过综合分析裂缝对工程结构的潜在危害，为工程结构的安全管理和维护决策提供科学依据。