申请/专利权人：温州市建设工程咨询有限公司

申请日：2024-02-18

公开（公告）日：2024-04-30

公开（公告）号：CN117726239B

主分类号：G06Q10/0639

分类号：G06Q10/0639;G06Q50/04;G06T17/00;G06V10/82;G06N3/0464;G06V10/44

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了工程质量验收实测实量方法及系统，属于工程质量验收技术领域包括：收集楼栋三维点云数据、设计三维模型与楼栋验收报告，建立楼栋三维模型，训练识别楼栋裂缝位置的机器学习模型并生成楼栋识别三维模型；在楼栋识别三维模型的基础上建立三维坐标系，收集裂缝三维坐标，计算裂缝面积数据并与预设的裂缝面积数据阈值对比生成裂缝调节指令与风险数量；将设计三维模型与楼栋识别三维模型进行三维匹配，识别出预设的楼栋编号；将楼栋验收报告转化为文字，获取楼栋验收报告中的楼栋编号与不合格项目数量，最后计算楼栋验收失败评估值；有效降低验收人员的验收操作难度。

主权项：1.工程质量验收实测实量方法，其特征在于，包括：收集楼栋三维点云数据、设计三维模型与楼栋验收报告；基于楼栋三维点云数据，通过大数据建模系统建立楼栋三维模型；基于楼栋三维模型训练识别楼栋裂缝位置的机器学习模型并生成楼栋识别三维模型；机器学习模型的训练过程包括：将机器学习模型输出的含裂缝位置的楼栋三维模型标记为使用边缘检测算法标注或人工标注的方法，标注出历史的楼栋三维模型中的裂缝位置；标注后，将楼栋三维模型通过卷积神经网络提取特征值；将所述特征值构建为数据集，所述数据集分为训练集、验证集和测试集，其中训练集占数据集的70%，验证集和测试集各占数据集的15%；将所述训练集作为机器学习模型的输入，所述机器学习模型以识别楼栋三维模型的裂缝位置作为输出；以实时未标注的楼栋三维模型中存在的裂缝位置作为预测目标，以最小化机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练；所述机器学习模型是一种3D卷积神经网络；将机器学习模型输出的含裂缝位置的楼栋三维模型标记为楼栋识别三维模型；在楼栋识别三维模型的基础上建立三维坐标系，收集楼栋识别三维模型中的裂缝三维坐标；建立三维坐标系的过程包括：以楼栋底平面最西南方向的点作为原点，以从原点向底平面朝北方向射出的一条射线作为x轴，以原点为起点在底平面内作出垂直于x轴方向朝东的另一条射线，将另一条射线作为y轴，以原点为起点，垂直于底平面且向上的一条射线作为z轴；通过体素计数法基于楼栋识别三维模型计算裂缝面积数据；体素计数法的过程包括：将楼栋识别三维模型转换为体素网格，对于每个裂缝位置的体素，计算其所在连通区域的体素数量之和作为裂缝面积数据；将裂缝面积数据与预设的裂缝面积数据阈值对比生成裂缝调节指令；将大于等于裂缝面积数据阈值的裂缝数量进行计数，将计数标记为风险数量；将设计三维模型与楼栋识别三维模型进行三维匹配，识别出预设的楼栋编号；使用OCR技术将楼栋验收报告转化为可供计算机识别的文字；使用NLP技术识别OCR技术转化后的楼栋验收报告，获取楼栋验收报告中的楼栋编号与不合格项目数量；基于风险数量FX和不合格项目数量SAFE计算楼栋验收失败评估值PG；失败评估值PG的计算过程包括：PG=；裂缝调节指令包括：将大于等于裂缝面积数据阈值的裂缝的裂缝三维坐标保存并发送给工程施工方；生成不合格项目数量的过程包括：为NLP设置关键词集合，关键词集合包括“不合格”文本，当识别文本出现在关键词集合中，将初始为0的计数器加一，识别完成楼栋验收报告后，将计数器的数量作为不合格项目数量；将楼栋验收失败评估值PG与预设的评估阈值对比，将大于等于评估阈值的楼栋标记为不合格楼栋，发送给工程施工方进行整改。

全文数据：

权利要求：

百度查询： 温州市建设工程咨询有限公司 工程质量验收实测实量方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD