[发明专利]针对结构的机器学习工具

权利要求书

1.一种机器学习工具，包括：

计算系统，所述计算系统具有一个或多个数据处理器和存储器；

用户界面，可以经由所述用户界面向用户输出信息，并且所述用户可以经由所述用户界面输入信息和数据，所述数据标识一个或多个结构、其组件或两者；

数据库，所述数据被存储在所述数据库中；

数据库管理系统，所述数据库管理系统与所述数据库通信，以将所述数据存储在所述数据库中并且从所述数据库中检索所述数据；

以及非瞬态数据处理器可执行指令，所述非瞬态数据处理器可执行指令被存储在所述存储器中，所述指令包括一个或多个预先训练的机器学习模型和一个或多个后处理算法，

其中，所述一个或多个机器学习模型被预先训练以处理所述数据库中的所述数据，从而从图像、点云数据或其三维表示或绘图中评估结构的性能或设计，从图像或点云数据中标识结构的组件，标识结构的一个或多个组件并从绘图中提取相关文本，从图像或点云数据中标识并评估结构中的损伤，或前述的任何组合，并且所述一个或多个后处理算法包括，数量算法、测量算法、比较算法、数字模型生成算法或前述的任何组合。

2.根据权利要求1所述的机器学习工具，其中，所述一个或多个机器学习模型被预先训练以处理所述数据库中的所述数据，从而评估结构设计、标识结构组件以及评估结构中的损伤。

3.根据权利要求1所述的机器学习工具，其中，所述一个或多个后处理算法包括，数量算法、测量算法、比较算法和数字模型生成算法。

4.根据权利要求1所述的机器学习工具，其中：

所述一个或多个机器学习模型被预先训练以处理所述数据库中的所述数据，从而评估结构的设计、标识结构的组件以及评估结构中的损伤，并且

所述一个或多个后处理算法包括，数量算法、测量算法、比较算法和数字模型生成算法。

5.根据权利要求1所述的机器学习工具，其中，所述结构的组件包括结构组件和非结构组件。

6.根据权利要求1所述的机器学习工具，其中，所述数量算法将由所述一个或多个机器学习模型标识的每个类别的实例的数量相加，以提供针对每个类别的经标识的实例的总计数。

7.根据权利要求1所述的机器学习工具，其中，所述测量算法包括以下步骤：

使用计算机视觉，检测由所述一个或多个机器学习模型标识的区域中的边缘，计算这些区域内的像素距离，并将所述像素距离转换成由所述用户基于相机属性及其与结构的空间关系指定的另一距离单位。

8.根据权利要求1所述的机器学习工具，其中，所述比较算法包括以下步骤：

将从所述一个或多个机器学习模型中提取的信息与由所述用户输入的，通过对物理绘图的机器学习分析自动获得的，或从数字绘图或数字模型中自动获得的基准进行比较；报告原始机器学习结果与所述基准之间的任何偏差。

9.根据权利要求1所述的机器学习工具，其中，所述数字模型生成算法包括使用来自所述一个或多个机器学习模型的结果，通过对由所述一个或多个机器学习模型标识的每个类别的所述像素或点进行分组，并将其转换成二维线或三维组件来生成所标识的元素的二维数字绘图或三维数字模型，其中所述二维线是通过将所述像素或点的组减少至穿过所述像素或点组的中心的线或折线来创建的。通过确定所述机器学习所标识的像素或点组的外部界限，确定其尺寸、位置和方向，并基于以上获得的所述类别信息、质心(位置)信息、角度(朝向)信息和尺寸信息生成适当的组件，从而创建组件。