[发明专利]一种混凝土结构缺陷的检测方法、设备及介质

说明书

本申请公开了一种混凝土结构缺陷的检测方法、设备及介质，包括：若混凝土构筑物所处的环境包括水域环境，则确定所述混凝土构筑物的水上部分与水下部分；获取所述水上部分的弹性波数据，并根据所述弹性波数据确定所述混凝土构筑物的特征参数，所述特征参数至少包括以下一种：密实度、浅层结构缺陷数据；获取所述混凝土构筑物所在水体处的水体参数；将所述特征参数以及所述水体参数输入至预先训练的神经网络模型，以得到所述水下部分的第一腐蚀等级。只通过获取混凝土构筑物水上部分的相关参数以及水体参数即可实现对水下部分的腐蚀等级进行预测，在保证了水下部分腐蚀等级检测精度的同时，降低了检测难度，极大节省了物料及人力资源。

技术领域

本申请涉及混凝土结构检测领域，具体涉及一种混凝土结构缺陷的检测方法、设备及介质。

背景技术

混凝土构筑物在大气环境中通常认为是耐腐蚀的，但设置在水体中的混凝土构筑物由于长期与复杂的水体环境直接接触，容易受到无机物、有机物与微生物腐蚀。此外，基于混凝土构筑物同时存在水上和水下的部分，具有不同的暴露条件，因此同一构筑物的腐蚀程度也有轻重之分。

水上部分的混凝土构筑物可以采用回弹法或超声波法来检测混凝土的结构缺陷，从而进一步推断混凝土的腐蚀程度，而水下部分的混凝土构筑物由于浸泡于水体中，且表面经常附着有各种有机物或微生物，因此难以采用传统的检测方法对混凝土构筑物进行结构缺陷检测，也就难以知晓水下部分的混凝土构筑物的腐蚀程度，无法对混凝土构筑物的结构稳定性做出准确的评估。

发明内容

为了解决上述问题，即为了解决当混凝土构筑物存在水下部分时，难以获取水下部分的腐蚀程度，本申请提出了一种混凝土结构缺陷的检测方法、设备及介质，包括：

一方面，本申请提供了一种混凝土结构缺陷的检测方法，包括：若混凝土构筑物所处的环境包括水域环境，则确定所述混凝土构筑物的水上部分与水下部分；获取所述水上部分的弹性波数据，并根据所述弹性波数据确定所述混凝土构筑物的特征参数，所述特征参数至少包括以下一种：密实度、浅层结构缺陷数据；获取所述混凝土构筑物所在水体处的水体参数；将所述特征参数以及所述水体参数输入至预先训练的神经网络模型，以得到所述水下部分的第一腐蚀等级。

在一个示例中，将所述特征参数以及所述水体参数输入至预先训练的神经网络模型，以得到所述水下部分的第一腐蚀等级之前，所述方法还包括：获取所述水上部分的第一红外热成像，并根据所述第一红外热成像得到所述水上部分的第二腐蚀等级；获取大气环境参数；将所述大气环境参数与所述特征参数输入至神经网络模型，得到第一参考腐蚀等级；将所述第一参考腐蚀等级与所述第二腐蚀等级进行比对，并根据所述比对的结果对所述神经网络模型进行修正。

在一个示例中，获取大气环境参数，具体包括：获取所述混凝土构筑物所在位置处的经纬度，并根据所述经纬度确定所述位置处的气候类型；获取符合所述气候类型的多个时间对应的天气数据，所述天气数据至少包括以下一种：指定季节的昼夜温差数据、指定季节的空气湿度数据、指定季节的温度数据、指定季节的降雨量数据；对多个所述天气数据进行平均处理，并将所述处理后的多个天气数据作为大气环境参数。

在一个示例中，将所述第一参考腐蚀等级与所述第二腐蚀等级进行比对，并根据所述比对结果对所述神经网络进行修正之后，所述方法还包括：根据所述水上部分的图像与图像识别模型，确定所述水上部分中的浪溅区；获取所述浪溅区的第二红外热成像，并根据所述第二红外热成像得到所述浪溅区的第三腐蚀等级；获取所述浪溅区的表面参数，所述表面参数至少包括以下一种：表面附着物类型、表面附着物密度；将所述大气环境参数、所述水体参数以及所述表面参数输入至所述神经网络模型，得到第二参考腐蚀等级；将所述第二参考腐蚀等级与所述第三腐蚀等级进行比对，并根据所述比对的结果对所述神经网络模型进行修正。

在一个示例中，获取所述浪溅区的表面参数之后，所述方法还包括：将所述表面参数添加至所述水体参数中。