[發明專利]基于人工智能的混凝土預制構件結構形變測量方法與系統

在審

• 申請號: 202210253776.9
• 申請日: 2022-03-15
• 公開（公告）號: CN114580114A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 張旭
• 申請（專利權）人: 徐州九陽機械制造有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/04;G06N3/08;G06T7/80
• 代理公司: 江蘇長德知識產權代理有限公司 32478
• 代理人: 周藝

1.一種基于人工智能的混凝土預制構件結構形變測量方法，其特征在于，該方法包括以下步驟：

對混凝土預制構件施加壓力，采集混凝土預制構件形變過程視頻；

根據形變過程視頻測量每幀圖像與其前一幀圖像中匹配角點的差值得到每幀圖像的初始形變量分布圖；根據匹配角點的位置對每幀圖像重新賦值得到每幀圖像的形變量關注圖；

在每幀圖像上確定目標位置，根據圖像上其他位置像素與目標位置像素坐標的差值得到目標位置的位移分布圖；將圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡分析得到目標位置形變量的權重掩膜，根據權重掩膜對形變量分布圖上對應元素進行加權求和得到目標位置預測形變量；根據每幀圖像所有目標位置的預測形變量，得到最終形變量分布圖。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據形變過程視頻中每幀圖像的最終形變量分布圖得到混凝土預制構件不同位置在不同時刻的形變量，對混凝土預制構件不同位置在不同時刻的形變量進行分析，得到混凝土預制構件的撓度、應力。

3.根據權利要求1所述的方法，其特征在于，所述將圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡分析得到目標位置形變量的權重掩膜包括：

將當前分析圖像、當前分析圖像前一幀圖像、當前分析圖像后一幀圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡得到目標位置形變量的權重掩膜。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：在混凝土預制構件的側面安裝高清相機，采集混凝土預制構件形變過程視頻。

5.根據權利要求1所述的方法，其特征在于，所述初始形變量分布圖中匹配角點的像素值為匹配角點的差值，非匹配像素的像素值為隨機數值。

6.一種基于人工智能的混凝土預制構件結構形變測量系統，其特征在于，該系統包括：

視頻數據獲取模塊，用于對混凝土預制構件施加壓力，采集混凝土預制構件形變過程視頻；

圖像數據處理模塊，用于根據形變過程視頻測量每幀圖像與其前一幀圖像中匹配角點的差值得到每幀圖像的初始形變量分布圖；根據匹配角點的位置對每幀圖像重新賦值得到每幀圖像的形變量關注圖；

數據分析模塊，用于在每幀圖像上確定目標位置，根據圖像上其他位置像素與目標位置像素坐標的差值得到目標位置的位移分布圖；將圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡分析得到目標位置形變量的權重掩膜，根據權重掩膜對形變量分布圖上對應元素進行加權求和得到目標位置預測形變量；根據每幀圖像所有目標位置的預測形變量，得到最終形變量分布圖。

7.根據權利要求6所述的系統，其特征在于，所述系統還包括混凝土預制構件結構分析模塊，用于根據形變過程視頻中每幀圖像的最終形變量分布圖得到混凝土預制構件不同位置在不同時刻的形變量，對混凝土預制構件不同位置在不同時刻的形變量進行分析，得到混凝土預制構件的撓度、應力。

8.根據權利要求6所述的系統，其特征在于，所述將圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡分析得到目標位置形變量的權重掩膜包括：

將當前分析圖像、當前分析圖像前一幀圖像、當前分析圖像后一幀圖像的形變量分布圖、形變量關注圖與目標位置的位移分布圖堆疊后，輸入神經網絡得到目標位置形變量的權重掩膜。

9.根據權利要求6所述的系統，其特征在于，所述系統包括高清相機，在混凝土預制構件的側面安裝所述高清相機，采集混凝土預制構件形變過程視頻。

10.根據權利要求6所述的系統，其特征在于，所述初始形變量分布圖中匹配角點的像素值為匹配角點的差值，非匹配像素的像素值為隨機數值。