[发明专利]一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法

说明书

本发明提供一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法，通过对采集的视频数据进行分析，导管安装过程中，分析安装单根导管的行为过程，统计安装全部导管的数量，结合孔深参数，估算单根导管的长度；浇筑过程中，分析单次拔管的行为过程，分析单次拔管行为中拔管的节数，结合单管的估计长度，估计拔出的导管长度。利用浇筑方量、孔径信息，计算当前混凝土的深度，结合上述分析，计算当前混凝土中的剩余导管长度，估计拔管是否合规，是否需要风险预警。本发明采用全流程的智能化旁站监理，避免了监理员人为因素导致的潜在风险，在线实时风险预警，只需少量监理专家，远程分析系统预警的风险并判定，使旁站监督管理的人效得到提高。

技术领域

本发明涉及建筑工程技术领域，具体来说，涉及一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法。

背景技术

混凝土浇筑质量管理是工地旁站监理工作的一个重要部分，浇筑方式，往往采用导管法水下混凝土浇注法，该方法浇筑过程中，拔管深度的监理是混凝土浇筑质量管理中核心监理项目之一。其需要被监督管理的原因是，水下导管浇筑时，一开始将导管按节组装，直到导管深入到浇筑空底部，每浇筑一定方量的混凝土后，导管埋在混凝土中的部分过深，导致后续混凝土的无法依靠自身重力，持续浇筑，因而需要拔出部分导管，然后把顶部多出的导管拆卸掉，而后继续进行浇筑，在此过程中，导管不能完全拔出，必须留有符合规范的长度在已浇筑混凝土中，否则会导致浇筑失败，如果监理不到位，继续浇筑，就会出现如断桩等高风险事故。

现有人工现场监督管理的模式下，其缺点较为明显，具体展开有以下几点：旁站监督管理的质量存在如下一些高风险问题：旁站监理人员素质参差不齐，不能全面掌握旁站监理的关键要点，易导致旁站过程失控；监理人员自由裁量权大，旁站过程及旁站管理结果缺少影像资料支撑，容易导致监理收受利益而放松管理；旁站监理过程中，由于对旁站监理人员缺少约束，常发生只旁站不作为，或少作为的情况；旁站监理记录不认真，无可追溯性；旁站过程中对发现有安全、质量隐患或违反工程建设强制性标准要求的行为，停留在整改建议或口头通知，对整改情况不跟踪封闭。

基于上述缺点，急需一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法出现。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

本发明的目的在于提供一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于人工智能视频分析的混凝土浇筑中拔管深度估计方法，该方法包括：

a1.通过深度学习方法CoViAR-Mobile-V3算法对实时上传的视频流进行事件分割判断，分析时间窗口视频的事件类型，对视频段进行分割，对浇筑前导管安装环节和浇筑中导管拔出环节的有效视频段进行后续分析；

a2.基于CoViAR-resnet算法，针对浇筑前导管安装环节，分析识别安装单根导管的行为过程，通过安装单根导管行为的次数，统计安装全部导管的数量，在导管安装总长约等于孔径深度的事实下，结合已知的孔深参数，估算单根导管的长度；

a3.基于CoViAR-resnet算法，针对浇筑中导管拔出环节，分析单次拔管的行为过程，并利用SSD算法检测分析单次拔管行为中，拆卸的导管的节数，结合估算的单根导管的长度，估计单次拔出的导管长度；

a4.针对每次拔管事件后，利用已知的当下的浇筑方量、孔径参数信息，计算当前终孔中混凝土深度；

a5.基于估算的单根导管的长度和单次拔出的导管长度估算出单次拔管后，已浇筑混凝土中导管剩余长度；

a6.通过混凝土中的导管深度与设定的标准值进行对比，对存在风险的拔管事件发出预警；

a7.对视频流基于输出信息，进行结构化存储。