CN115660262B - 一种基于数据库应用的工程智慧质检方法、***及介质 - Google Patents
一种基于数据库应用的工程智慧质检方法、***及介质 Download PDFInfo
- Publication number
- CN115660262B CN115660262B CN202211702533.5A CN202211702533A CN115660262B CN 115660262 B CN115660262 B CN 115660262B CN 202211702533 A CN202211702533 A CN 202211702533A CN 115660262 B CN115660262 B CN 115660262B
- Authority
- CN
- China
- Prior art keywords
- engineering
- data
- module
- index
- quality inspection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000010276 construction Methods 0.000 claims abstract description 190
- 238000001514 detection method Methods 0.000 claims abstract description 146
- 238000012544 monitoring process Methods 0.000 claims abstract description 95
- 238000005516 engineering process Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 230000006872 improvement Effects 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 66
- 238000012795 verification Methods 0.000 claims description 20
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 10
- 238000004220 aggregation Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000013523 data management Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000003908 quality control method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请实施例提供了一种基于数据库应用的工程智慧质检方法、***及介质。属于工程质检和大数据管理技术领域。该方法包括:采集图像和视频识别获得工程图片信息和工程监测信息,并根据边缘计算模型处理各模块数据,并与指标数据进行差异性对比获得工程检测差异度数据,对工程图片信息进行差异性识别获得工程差异度数据,再进行全量检测获得工程全量检测数据并进行质检对比,若超标则进行工程质检获得全流程影响度指数,对最大指数的工程模块进行模块改进;从而对工程模块进行识别监测处理获得模块施工差异度数据,进而判定工程质检结果,并对差异度最大的模块进行对照改进,实现通过大数据手段对工程模块施工通过差异度识别进行质检评估的技术。
Description
技术领域
本申请涉及工程质检和大数据管理技术领域,具体而言,涉及一种基于数据库应用的工程智慧质检方法、***及介质。
背景技术
工程建设与管理广泛应用与生产中,传统的工程项目的质量监管和控制多采用人工抽检,或阶段、结果验收的方式,这种方式效率低下,且存在由于过程监测不到位导致工程质量或施工结果不合格的问题。
目前缺乏对于工程监管领域进行数智化的手段,不具备通过工程施工流程精细化监管和施工质量实时测量实现对工程验收的智能质检的技术手段,无法实现工程智慧质检。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于数据库应用的工程智慧质检方法、***及介质,可以实现通过大数据手段对工程模块施工通过差异度识别进行质检评估的技术。
本申请实施例还提供了一种基于数据库应用的工程智慧质检方法,包括以下步骤:
采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,包括:
采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据,包括:
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据分别进行差异性对比,获得各工程模块的差异性数据,并进行聚合,获得工程检测差异度数据;
所述工程检测差异度数据的计算公式为:
;
其中,为工程检测差异度数据,为四个数据:工程工艺数据、流程实施数据、能源供销数据、供应链布设数据中的第i个数据,为四个数据:工艺流程指标数据、工程施工指标数据、能源利用指标数据、链条布设指标数据中的第i个数据,为第i个数据对应的特征系数。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据,包括:
通过所述数据库中预设的图片信息识别模型对工程节点时段内的所述工程图片信息与数据库中预存的标准工程图片进行差异性识别,获得工程识别差异信息;
根据所述工程识别差异信息提取物流作业差异数据、人员位移差异数据以及关键目标位置差异数据;
根据所述物流作业差异数据、人员位移差异数据以及关键目标位置差异数据进行集合,获得工程差异度数据。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比,包括:
根据所述各工程节点时段的所述工程检测差异度数据和所述工程差异度数据进行聚合,获得工程施工的施工周期内的全量检测;
根据所述施工周期内的全量检测获得工程全量检测数据;
根据所述工程全量检测数据与所述工程总流程要素指数进行质检对比;
根据质检对比结果对所述施工周期内工程施工进行检验。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数,包括:
若所述工程全量检测数据与工程总流程要素指数的质检对比结果不符合预设阈值要求;
则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
所述工程关联度质检模型的程序公式为:
;
其中,为四个工程模块中第i个工程模块的全流程影响度指数,为四个工程模块中第i个工程模块的数据,为全流程施工预设过程因子,为工程全量检测数据,为预设特征系数。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检方法中,所述获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进,包括:
获取所述各工程模块对应全流程影响度指数中最大值;
对最大值对应的工程模块采用预设的工程校验模型进行处理,获得所述工程模块的工程对照数据;
根据所述工程对照数据对所述工程模块中的作业流程或施工要素进行改进。
第二方面,本申请实施例提供了一种基于数据库应用的工程智慧质检***,该***包括:存储器及处理器,所述存储器中包括基于数据库应用的工程智慧质检方法的程序,所述基于数据库应用的工程智慧质检方法的程序被所述处理器执行时实现以下步骤:
采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进。
可选地,在本申请实施例所述的基于数据库应用的工程智慧质检***中,所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,包括:
采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据。
第三方面,本申请实施例还提供了一种可读存储介质,所述可读存储介质中包括基于数据库应用的工程智慧质检方法程序,所述基于数据库应用的工程智慧质检方法程序被处理器执行时,实现如上述任一项所述的一种基于数据库应用的工程智慧质检方法的步骤。
由上可知,本申请实施例提供的基于数据库应用的工程智慧质检方法、***及介质。该方法包括:采集各工程模块的实时图像和视频进行识别获得工程图片信息和工程监测信息,并根据边缘计算模型进行处理获得各模块的数据,并与工程监测指标数据进行差异性对比获得工程检测差异度数据,通过图片信息识别模型对工程图片信息进行差异性识别获得工程差异度数据,对各工程节点时段的工程检测差异度数据和工程差异度数据进行全量检测获得工程全量检测数据,再进行质检对比,若对比超标则通过工程关联度质检模型进行工程质检获得全流程影响度指数,并对最大指数的工程模块根据工程对照数据进行模块改进;从而根据数据库和大数据技术对工程模块进行图片信息处理,获得模块施工的差异度数据,再根据差异度数据判定工程质检结果,并对差异度最大的模块进行对照改进,实现通过大数据手段对工程模块施工通过差异度识别进行质检评估的技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种基于数据库应用的工程智慧质检方法的流程图;
图2为本申请实施例提供的一种基于数据库应用的工程智慧质检方法的根据边缘计算模型对工程监测信息进行处理的流程图;
图3为本申请实施例提供的一种基于数据库应用的工程智慧质检方法的获得工程检测差异度数据的流程图;
图4为本申请实施例提供的基于数据库应用的工程智慧质检***的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于数据库应用的工程智慧质检方法的流程图。该基于数据库应用的工程智慧质检方法用于终端设备中,例如手机、电脑等。该基于数据库应用的工程智慧质检方法,包括以下步骤:
S101、采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
S102、获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
S103、根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
S104、通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
S105、对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
S106、若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
S107、获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进。
需要说明的是,为检测工程的施工质量,根据数据库中预设模型对施工的图像和视频进行识别和处理获得工程施工各模块的数据和图片信息,施工模块是工程施工中的工艺、流程、能耗、供应链模块,通过分别对模块的数据和图片信息进行识别处理,获得与预设标准施工数据的工程检测差异度数据,以及工程差异度数据,再对施工周期内各节点时段的差异度数据进行集合,获得工程全量检测数据,即通过对工程模块的数据和图片信息的识别处理获得施工流程和关键要素两个工程施工核心方面的差异度数据,再通过对质检的施工周期内的差异度数据进行集合得到工程的总检测数据,将质检的数据与预设要素指数进行对比判断工程质检质量,若质检超规,则说明周期内施工质检存在不合格问题,再对各工程模块通过质检模型进行工程质检,评估各模块对全部工程模块全流程的影响度,将影响度最大的那个模块作为整改模块,通过获得的工程对照数据对该模块进行改进,实现通过对工程施工的模块在一定时间周期内的施工质检差异度的对比,判断整体工程的施工质量,并对各模块的影响质检情况进行判断,找出影响最大的模块进行整改。
请参照图2,图2是本申请一些实施例中的基于数据库应用的工程智慧质检方法的根据边缘计算模型对工程监测信息进行处理的流程图。根据本发明实施例,所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,具体为:
S201、采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
S202、通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
S203、根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据。
需要说明的是,为实现对工程施工过程的质检,首先需通过施工现场的监测图像和视频进行获取,再通过对图像和视频的处理提取工程模块的施工数据,通过数据库预设的AI识别模型对工程施工的图像和视频进行信息识别,该AI识别模型是数据库中所预设的,根据数据库中大量样本图像和视频进行信息识别而训练得到的识别模型,该模型可通过对图像和视频的处理获得各工程模块的工程图片信息和工程监测信息,工程图片信息就是各施工场景中的图片中关键目标/物体的信息,包括物流的作业路线/路径信息、人员定位/路线信息、关键设备/设施的摆设位置,工程监测信息是对各工程模块的作业监测的信息,包括施工工艺监测信息、流程作业监测信息、能源供给和消耗监测信息、供应链设置布局监测信息,再通过数据库中预设的边缘计算模型对工程监测信息进行数据提取,获得与工程监测信息对应的各模块的监测数据,边缘计算模型是设置在数据库的网络边缘执行计算的一种计算模型,是对物联网和云服务的互联计算模型,通过该模型的计算可对工程监测信息提取出对应数据。
请参照图3,图3是本申请一些实施例中的基于数据库应用的工程智慧质检方法的获得工程检测差异度数据的流程图。根据本发明实施例,所述根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据,具体为:
S301、根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据分别进行差异性对比,获得各工程模块的差异性数据,并进行聚合,获得工程检测差异度数据;
所述工程检测差异度数据的计算公式为:
;
其中,为工程检测差异度数据,为四个数据:工程工艺数据、流程实施数据、能源供销数据、供应链布设数据中的第i个数据,为四个数据:工艺流程指标数据、工程施工指标数据、能源利用指标数据、链条布设指标数据中的第i个数据,为第i个数据对应的特征系数。
需要说明的是,为对工程施工进行质检,评估各工程模块在工程施工中的偏差度,通过工程节点时段的监测信息提取的各工程模块的监测数据与标准数据的对比差异度,反映出工程模块在施工中的偏差情况,标准数据是通过工程设计模型的初始设定的工程监测指标数据作为标准数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,还有反映总施工程基准质量的工程总流程要素指数,工程设计模型是对工程全流程全过程的设计模型,可反映对于工程施工的总要求总标准,根据工程模块的四项数据与对应指标数据的对比差异度数据的集合,获得工程检测差异度数据。
根据本发明实施例,所述通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据,具体为:
通过所述数据库中预设的图片信息识别模型对工程节点时段内的所述工程图片信息与数据库中预存的标准工程图片进行差异性识别,获得工程识别差异信息;
根据所述工程识别差异信息提取物流作业差异数据、人员位移差异数据以及关键目标位置差异数据;
根据所述物流作业差异数据、人员位移差异数据以及关键目标位置差异数据进行集合,获得工程差异度数据。
需要说明的是,为评估工程施工的质检情况,除了对工程模块的工艺、流程、能耗、供应链进行差异度评估之外,需对关键工程要素的差异度进行评估,关键工程要素包括作业路线/路径信息、人员定位/路线信息、关键设备/设施的摆设位置,通过图片信息识别模型对预存的工程现场的标准工程图片与工程图片信息进行差异性识别获得工程识别差异性信息,图片信息识别模型是数据库预设的图片信息识别模型,该模型是通过数据库中大量采集的图片信息与标准对比图片信息进行对比训练获得的,通过该模型可识别出图片信息的差异性信息,再对差异性信息进行信息提取获得物流作业差异数据、人员位移差异数据以及关键目标位置差异数据,对三项差异数据进行集合获得工程差异度数据,具体为:
;其中,为工程差异度数据,为三个数据:物流作业差异数据、人员位移差异数据、关键目标位置差异数据中的第j个数据,为第j个数据对应的特征系数。
根据本发明实施例,所述对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比,具体为:
根据所述各工程节点时段的所述工程检测差异度数据和所述工程差异度数据进行聚合,获得工程施工的施工周期内的全量检测;
根据所述施工周期内的全量检测获得工程全量检测数据;
根据所述工程全量检测数据与所述工程总流程要素指数进行质检对比;
根据质检对比结果对所述施工周期内工程施工进行检验。
需要说明的是,在获得了某个工程节点时段的工程检测差异度数据和工程差异度数据后,需对周期内的工程施工进行全量检测,即获得周期内存在的全部差异度情况,通过对各工程节点时段的工程检测差异度数据和工程差异度数据进行聚合计算,即得到工程施工的施工周期内的全量检测数据,再根据全量检测数据与获取的预设反映总施工程基准质量的工程总流程要素指数进行质检对比,判断出施工周期内的工程施工质量,其中,工程全量检测数据的计算公式为:
;其中,为工程全量检测数据,为施工周期内n个工程节点时段的工程差异度数据中的第q个工程节点时段的工程差异度数据,为施工周期内n个工程节点时段的工程检测差异度数据中的第q个工程节点时段的工程检测差异度数据。
根据本发明实施例,所述若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数,具体为:
若所述工程全量检测数据与工程总流程要素指数的质检对比结果不符合预设阈值要求;
则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
所述工程关联度质检模型的程序公式为:
;
其中,为四个工程模块中第i个工程模块的全流程影响度指数,为四个工程模块中第i个工程模块的数据,为全流程施工预设过程因子,为工程全量检测数据,为预设特征系数。
需要说明的是,为评估工程施工的质检质量,根据工程全量检测数据与工程总流程要素指标进行阈值对比,阈值对比设置可根据实际实施需要进行设置,若对比结果不符合预设的阈值对比要求,则判断工程周期内的工程施工质检不合格,需针对各工程模块进行工程质检,通过预设的工程关联度质检模型进行计算,获得各工程模块的全流程影响度指数,该全流程影响度指数是反映每个工程模块对整个工程施工的影响度,通过该质检模型可识别出每个工程模块对于全流程工程施工的影响作业大小,其中,全流程施工预设过程因子通过数据库进行查询。
根据本发明实施例,所述获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进,具体为:
获取所述各工程模块对应全流程影响度指数中最大值;
对最大值对应的工程模块采用预设的工程校验模型进行处理,获得所述工程模块的工程对照数据;
根据所述工程对照数据对所述工程模块中的作业流程或施工要素进行改进。
需要说明的是,在根据全流程影响度指数识别出影响度最大的工程模块后,采用预设的工程校验模型对该工程模块进行处理,获得该工程模块的工程对照数据,该工程对照数据反映出工程模块中多个施工指标/参数的对照数值,即工程施工的作业流程或施工要素的参考值与实际值的对照,作业流程是实施过程中的作业、流程,施工要素是该工程模块施工中的关键人、设备、物料的施工要素,该工程校验模型是根据数据库中历史工程施工中的各工程模块的作业流程或施工要素的参考值与实际值的对照数据进行训练获得的,通过该模型可识别出某个工程模块的施工参考值与实际值的对照,再根据识别出的工程对照数据对该工程模块的对应作业流程或施工要素进行改进,从而实现对工程施工的模块中的关键流程要素的改善。
如图4所示,本发明还公开了一种基于数据库应用的工程智慧质检***4,包括存储器41和处理器42,所述存储器中包括基于数据库应用的工程智慧质检方法程序,所述基于数据库应用的工程智慧质检方法程序被所述处理器执行时实现如下步骤:
采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进。
需要说明的是,为检测工程的施工质量,根据数据库中预设模型对施工的图像和视频进行识别和处理获得工程施工各模块的数据和图片信息,施工模块是工程施工中的工艺、流程、能耗、供应链模块,通过分别对模块的数据和图片信息进行识别处理,获得与预设标准施工数据的工程检测差异度数据,以及工程差异度数据,再对施工周期内各节点时段的差异度数据进行集合,获得工程全量检测数据,即通过对工程模块的数据和图片信息的识别处理获得施工流程和关键要素两个工程施工核心方面的差异度数据,再通过对质检的施工周期内的差异度数据进行集合得到工程的总检测数据,将质检的数据与预设要素指数进行对比判断工程质检质量,若质检超规,则说明周期内施工质检存在不合格问题,再对各工程模块通过质检模型进行工程质检,评估各模块对全部工程模块全流程的影响度,将影响度最大的那个模块作为整改模块,通过获得的工程对照数据对该模块进行改进,实现通过对工程施工的模块在一定时间周期内的施工质检差异度的对比,判断整体工程的施工质量,并对各模块的影响质检情况进行判断,找出影响最大的模块进行整改。
根据本发明实施例,所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,具体为:
采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据。
需要说明的是,为实现对工程施工过程的质检,首先需通过施工现场的监测图像和视频进行获取,再通过对图像和视频的处理提取工程模块的施工数据,通过数据库预设的AI识别模型对工程施工的图像和视频进行信息识别,该AI识别模型是数据库中所预设的,根据数据库中大量样本图像和视频进行信息识别而训练得到的识别模型,该模型可通过对图像和视频的处理获得各工程模块的工程图片信息和工程监测信息,工程图片信息就是各施工场景中的图片中关键目标/物体的信息,包括物流的作业路线/路径信息、人员定位/路线信息、关键设备/设施的摆设位置,工程监测信息是对各工程模块的作业监测的信息,包括施工工艺监测信息、流程作业监测信息、能源供给和消耗监测信息、供应链设置布局监测信息,再通过数据库中预设的边缘计算模型对工程监测信息进行数据提取,获得与工程监测信息对应的各模块的监测数据,边缘计算模型是设置在数据库的网络边缘执行计算的一种计算模型,是对物联网和云服务的互联计算模型,通过该模型的计算可对工程监测信息提取出对应数据。
根据本发明实施例,所述根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据,具体为:
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据分别进行差异性对比,获得各工程模块的差异性数据,并进行聚合,获得工程检测差异度数据;
所述工程检测差异度数据的计算公式为:
;
其中,为工程检测差异度数据,为四个数据:工程工艺数据、流程实施数据、能源供销数据、供应链布设数据中的第i个数据,为四个数据:工艺流程指标数据、工程施工指标数据、能源利用指标数据、链条布设指标数据中的第i个数据,为第i个数据对应的特征系数。
需要说明的是,为对工程施工进行质检,评估各工程模块在工程施工中的偏差度,通过工程节点时段的监测信息提取的各工程模块的监测数据与标准数据的对比差异度,反映出工程模块在施工中的偏差情况,标准数据是通过工程设计模型的初始设定的工程监测指标数据作为标准数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,还有反映总施工程基准质量的工程总流程要素指数,工程设计模型是对工程全流程全过程的设计模型,可反映对于工程施工的总要求总标准,根据工程模块的四项数据与对应指标数据的对比差异度数据的集合,获得工程检测差异度数据。
根据本发明实施例,所述通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据,具体为:
通过所述数据库中预设的图片信息识别模型对工程节点时段内的所述工程图片信息与数据库中预存的标准工程图片进行差异性识别,获得工程识别差异信息;
根据所述工程识别差异信息提取物流作业差异数据、人员位移差异数据以及关键目标位置差异数据;
根据所述物流作业差异数据、人员位移差异数据以及关键目标位置差异数据进行集合,获得工程差异度数据。
需要说明的是,为评估工程施工的质检情况,除了对工程模块的工艺、流程、能耗、供应链进行差异度评估之外,需对关键工程要素的差异度进行评估,关键工程要素包括作业路线/路径信息、人员定位/路线信息、关键设备/设施的摆设位置,通过图片信息识别模型对预存的工程现场的标准工程图片与工程图片信息进行差异性识别获得工程识别差异性信息,图片信息识别模型是数据库预设的图片信息识别模型,该模型是通过数据库中大量采集的图片信息与标准对比图片信息进行对比训练获得的,通过该模型可识别出图片信息的差异性信息,再对差异性信息进行信息提取获得物流作业差异数据、人员位移差异数据以及关键目标位置差异数据,对三项差异数据进行集合获得工程差异度数据,具体为:
;其中,为工程差异度数据,为三个数据:物流作业差异数据、人员位移差异数据、关键目标位置差异数据中的第j个数据,为第j个数据对应的特征系数。
根据本发明实施例,所述对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比,具体为:
根据所述各工程节点时段的所述工程检测差异度数据和所述工程差异度数据进行聚合,获得工程施工的施工周期内的全量检测;
根据所述施工周期内的全量检测获得工程全量检测数据;
根据所述工程全量检测数据与所述工程总流程要素指数进行质检对比;
根据质检对比结果对所述施工周期内工程施工进行检验。
需要说明的是,在获得了某个工程节点时段的工程检测差异度数据和工程差异度数据后,需对周期内的工程施工进行全量检测,即获得周期内存在的全部差异度情况,通过对各工程节点时段的工程检测差异度数据和工程差异度数据进行聚合计算,即得到工程施工的施工周期内的全量检测数据,再根据全量检测数据与获取的预设反映总施工程基准质量的工程总流程要素指数进行质检对比,判断出施工周期内的工程施工质量,其中,工程全量检测数据的计算公式为:
;其中,为工程全量检测数据,为施工周期内n个工程节点时段的工程差异度数据中的第q个工程节点时段的工程差异度数据,为施工周期内n个工程节点时段的工程检测差异度数据中的第q个工程节点时段的工程检测差异度数据。
根据本发明实施例,所述若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数,具体为:
若所述工程全量检测数据与工程总流程要素指数的质检对比结果不符合预设阈值要求;
则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
所述工程关联度质检模型的程序公式为:
;
其中,为四个工程模块中第i个工程模块的全流程影响度指数,为四个工程模块中第i个工程模块的数据,为全流程施工预设过程因子,为工程全量检测数据,为预设特征系数。
需要说明的是,为评估工程施工的质检质量,根据工程全量检测数据与工程总流程要素指标进行阈值对比,阈值对比设置可根据实际实施需要进行设置,若对比结果不符合预设的阈值对比要求,则判断工程周期内的工程施工质检不合格,需针对各工程模块进行工程质检,通过预设的工程关联度质检模型进行计算,获得各工程模块的全流程影响度指数,该全流程影响度指数是反映每个工程模块对整个工程施工的影响度,通过该质检模型可识别出每个工程模块对于全流程工程施工的影响作业大小,其中,全流程施工预设过程因子通过数据库进行查询。
根据本发明实施例,所述获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进,具体为:
获取所述各工程模块对应全流程影响度指数中最大值;
对最大值对应的工程模块采用预设的工程校验模型进行处理,获得所述工程模块的工程对照数据;
根据所述工程对照数据对所述工程模块中的作业流程或施工要素进行改进。
需要说明的是,在根据全流程影响度指数识别出影响度最大的工程模块后,采用预设的工程校验模型对该工程模块进行处理,获得该工程模块的工程对照数据,该工程对照数据反映出工程模块中多个施工指标/参数的对照数值,即工程施工的作业流程或施工要素的参考值与实际值的对照,作业流程是实施过程中的作业、流程,施工要素是该工程模块施工中的关键人、设备、物料的施工要素,该工程校验模型是根据数据库中历史工程施工中的各工程模块的作业流程或施工要素的参考值与实际值的对照数据进行训练获得的,通过该模型可识别出某个工程模块的施工参考值与实际值的对照,再根据识别出的工程对照数据对该工程模块的对应作业流程或施工要素进行改进,从而实现对工程施工的模块中的关键流程要素的改善。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括一种基于数据库应用的工程智慧质检方法程序,所述基于数据库应用的工程智慧质检方法程序被处理器执行时,实现如上述任一项所述的一种基于数据库应用的工程智慧质检方法的步骤。
本发明公开的一种基于数据库应用的工程智慧质检方法、***及介质,通过采集各工程模块的实时图像和视频进行识别获得工程图片信息和工程监测信息,并根据边缘计算模型进行处理获得各模块的数据,并与工程监测指标数据进行差异性对比获得工程检测差异度数据,通过图片信息识别模型对工程图片信息进行差异性识别获得工程差异度数据,对各工程节点时段的工程检测差异度数据和工程差异度数据进行全量检测获得工程全量检测数据,再进行质检对比,若对比超标则通过工程关联度质检模型进行工程质检获得全流程影响度指数,并对最大指数的工程模块根据工程对照数据进行模块改进;从而根据数据库和大数据技术对工程模块进行图片信息处理,获得模块施工的差异度数据,再根据差异度数据判定工程质检结果,并对差异度最大的模块进行对照改进,实现通过大数据手段对工程模块施工通过差异度识别进行质检评估的技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (4)
1.一种基于数据库应用的工程智慧质检方法,其特征在于,包括以下步骤:
采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进;
所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,包括:
采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
所述根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据,包括:
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据分别进行差异性对比,获得各工程模块的差异性数据,并进行聚合,获得工程检测差异度数据;
所述工程检测差异度数据的计算公式为:
;
其中,为工程检测差异度数据,为四个数据:工程工艺数据、流程实施数据、能源供销数据、供应链布设数据中的第i个数据,为四个数据:工艺流程指标数据、工程施工指标数据、能源利用指标数据、链条布设指标数据中的第i个数据,为第i个数据对应的特征系数;
所述通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据,包括:
通过所述数据库中预设的图片信息识别模型对工程节点时段内的所述工程图片信息与数据库中预存的标准工程图片进行差异性识别,获得工程识别差异信息;
根据所述工程识别差异信息提取物流作业差异数据、人员位移差异数据以及关键目标位置差异数据;
根据所述物流作业差异数据、人员位移差异数据以及关键目标位置差异数据进行集合,获得工程差异度数据;
所述对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比,包括:
根据所述各工程节点时段的所述工程检测差异度数据和所述工程差异度数据进行聚合,获得工程施工的施工周期内的全量检测;
根据所述施工周期内的全量检测获得工程全量检测数据;
根据所述工程全量检测数据与所述工程总流程要素指数进行质检对比;
根据质检对比结果对所述施工周期内工程施工进行检验;
所述工程全量检测数据的计算公式为:
;其中,为工程全量检测数据,为施工周期内n个工程节点时段的工程差异度数据中的第q个工程节点时段的工程差异度数据,为施工周期内n个工程节点时段的工程检测差异度数据中的第q个工程节点时段的工程检测差异度数据;
所述若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数,包括:
若所述工程全量检测数据与工程总流程要素指数的质检对比结果不符合预设阈值要求;
则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
所述工程关联度质检模型的程序公式为:
;
其中,为四个工程模块中第i个工程模块的全流程影响度指数,为四个工程模块中第i个工程模块的数据,为全流程施工预设过程因子,为工程全量检测数据,为预设特征系数。
2.根据权利要求1所述的基于数据库应用的工程智慧质检方法,其特征在于,所述获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进,包括:
获取所述各工程模块对应全流程影响度指数中最大值;
对最大值对应的工程模块采用预设的工程校验模型进行处理,获得所述工程模块的工程对照数据;
根据所述工程对照数据对所述工程模块中的作业流程或施工要素进行改进。
3.一种基于数据库应用的工程智慧质检***,其特征在于,该***包括:存储器及处理器,所述存储器中包括基于数据库应用的工程智慧质检方法的程序,所述基于数据库应用的工程智慧质检方法的程序被所述处理器执行时实现以下步骤:
采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
获取工程设计模型的初始设定的工程监测指标数据,包括工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据,并获取工程总流程要素指数;
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据;
通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据;
对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比;
若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
获取全流程影响度指数最大的对应工程模块,并对所述工程模块采用预设的工程校验模型进行处理,获得工程对照数据,根据所述工程对照数据进行模块改进;
所述采集工程施工中各工程模块的实时图像和视频,通过预设AI识别模型对图像和视频进行识别,获得工程图片信息和工程监测信息,根据数据库中的边缘计算模型对所述工程监测信息进行处理,获得工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据,包括:
采集工程施工中各工程模块的实时图像和视频,所述工程模块包括工艺模块、流程模块、能耗模块以及供应链模块;
通过预设AI识别模型对图像和视频进行信息识别,获得所述各工程模块的工程图片信息和工程监测信息;
根据数据库中预设的边缘计算模型对所述工程监测信息进行数据提取,获得所述各工程模块对应的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据;
所述根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工程监测指标数据进行差异性对比,获得所述工程节点时段内的工程检测差异度数据,包括:
根据工程节点时段内的工程工艺数据、流程实施数据、能源供销数据以及供应链布设数据与所述工艺流程指标数据、工程施工指标数据、能源利用指标数据以及链条布设指标数据分别进行差异性对比,获得各工程模块的差异性数据,并进行聚合,获得工程检测差异度数据;
所述工程检测差异度数据的计算公式为:
;
其中,为工程检测差异度数据,为四个数据:工程工艺数据、流程实施数据、能源供销数据、供应链布设数据中的第i个数据,为四个数据:工艺流程指标数据、工程施工指标数据、能源利用指标数据、链条布设指标数据中的第i个数据,为第i个数据对应的特征系数;
所述通过所述数据库中图片信息识别模型对工程节点时段内的所述工程图片信息进行差异性识别,获取工程识别差异信息,并根据所述工程识别差异信息获取所述工程节点时段内的工程差异度数据,包括:
通过所述数据库中预设的图片信息识别模型对工程节点时段内的所述工程图片信息与数据库中预存的标准工程图片进行差异性识别,获得工程识别差异信息;
根据所述工程识别差异信息提取物流作业差异数据、人员位移差异数据以及关键目标位置差异数据;
根据所述物流作业差异数据、人员位移差异数据以及关键目标位置差异数据进行集合,获得工程差异度数据;
所述对施工周期内各工程节点时段的所述工程检测差异度数据和工程差异度数据进行全量检测,获得工程全量检测数据,并与所述工程总流程要素指数进行质检对比,包括:
根据所述各工程节点时段的所述工程检测差异度数据和所述工程差异度数据进行聚合,获得工程施工的施工周期内的全量检测;
根据所述施工周期内的全量检测获得工程全量检测数据;
根据所述工程全量检测数据与所述工程总流程要素指数进行质检对比;
根据质检对比结果对所述施工周期内工程施工进行检验;
所述工程全量检测数据的计算公式为:
;其中,为工程全量检测数据,为施工周期内n个工程节点时段的工程差异度数据中的第q个工程节点时段的工程差异度数据,为施工周期内n个工程节点时段的工程检测差异度数据中的第q个工程节点时段的工程检测差异度数据;
所述若对比结果超标,则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数,包括:
若所述工程全量检测数据与工程总流程要素指数的质检对比结果不符合预设阈值要求;
则通过工程关联度质检模型对所述各工程模块进行工程质检,分别获得所述各工程模块的全流程影响度指数;
所述工程关联度质检模型的程序公式为:
;
其中,为四个工程模块中第i个工程模块的全流程影响度指数,为四个工程模块中第i个工程模块的数据,为全流程施工预设过程因子,为工程全量检测数据,为预设特征系数。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于数据库应用的工程智慧质检方法程序,所述基于数据库应用的工程智慧质检方法程序被处理器执行时,实现如权利要求1至2中任一项所述的一种基于数据库应用的工程智慧质检方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211702533.5A CN115660262B (zh) | 2022-12-29 | 2022-12-29 | 一种基于数据库应用的工程智慧质检方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211702533.5A CN115660262B (zh) | 2022-12-29 | 2022-12-29 | 一种基于数据库应用的工程智慧质检方法、***及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115660262A CN115660262A (zh) | 2023-01-31 |
CN115660262B true CN115660262B (zh) | 2023-05-12 |
Family
ID=85022533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211702533.5A Active CN115660262B (zh) | 2022-12-29 | 2022-12-29 | 一种基于数据库应用的工程智慧质检方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660262B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115796708B (zh) * | 2023-02-02 | 2023-05-02 | 网思科技股份有限公司 | 一种工程建设用的大数据智能质检方法、***和介质 |
CN116934180B (zh) * | 2023-09-15 | 2023-12-08 | 恒实建设管理股份有限公司 | 全过程咨询信息管理方法、***、装置及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592792A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 堆石图像粒径识别方法、装置、电子设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220394327A1 (en) * | 2014-11-04 | 2022-12-08 | Gt Systems Pty Ltd. | Media distribution & management system & apparatus |
CN105930931A (zh) * | 2016-04-22 | 2016-09-07 | 国网浙江省电力公司经济技术研究院 | 一种电力工程造价的管理方法 |
CN112232685B (zh) * | 2020-10-20 | 2021-05-07 | 武汉华胜工程建设科技有限公司 | 一种基于大数据的工程质量监理验收实时检测分析管理*** |
CN114066206A (zh) * | 2021-11-11 | 2022-02-18 | 广东诚浩工程项目管理有限公司 | 装配式施工质量监理控制方法、装置、设备及存储介质 |
CN114091983B (zh) * | 2022-01-21 | 2022-05-10 | 网思科技股份有限公司 | 一种工程车辆智能管理*** |
CN114723271A (zh) * | 2022-03-31 | 2022-07-08 | 国网山东省电力公司经济技术研究院 | 一种基于图像识别的输电工程质量检测方法及*** |
CN115146883B (zh) * | 2022-09-06 | 2023-01-20 | 中国建筑第二工程局有限公司 | 一种建筑工程智慧建造的管控方法及*** |
-
2022
- 2022-12-29 CN CN202211702533.5A patent/CN115660262B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113592792A (zh) * | 2021-07-16 | 2021-11-02 | 清华大学 | 堆石图像粒径识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115660262A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115660262B (zh) | 一种基于数据库应用的工程智慧质检方法、***及介质 | |
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、***、设备及介质 | |
CN105677791B (zh) | 用于分析风力发电机组的运行数据的方法和*** | |
CN110766059A (zh) | 一种变压器故障的预测方法、装置和设备 | |
CN108734184B (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN107679734A (zh) | 一种用于无标签数据分类预测的方法和*** | |
CN115865649B (zh) | 一种智能运维管理控制方法、***和存储介质 | |
CN112258254B (zh) | 基于大数据架构的互联网广告风险监测方法及*** | |
CN112163572A (zh) | 识别对象的方法和装置 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN116503399B (zh) | 基于yolo-afps的绝缘子污闪检测方法 | |
CN112419268A (zh) | 一种输电线路图像缺陷检测方法、装置、设备及介质 | |
CN116167010A (zh) | 具有智能迁移学习能力的电力***异常事件快速识别方法 | |
CN112818162A (zh) | 图像检索方法、装置、存储介质和电子设备 | |
CN115905959A (zh) | 基于缺陷因子的电力断路器关联性故障分析方法及装置 | |
CN115617784A (zh) | 一种信息化配电的数据处理***及其处理方法 | |
CN113835947B (zh) | 一种基于异常识别结果确定异常原因的方法和*** | |
CN115965625B (zh) | 一种基于视觉识别的仪表检测装置及其检测方法 | |
CN112348281A (zh) | 电力数据的处理方法和装置 | |
CN117152528A (zh) | 绝缘子状态识别方法、装置、设备、存储介质和程序产品 | |
CN116563841A (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
CN114882020A (zh) | 产品的缺陷检测方法、装置、设备及计算机可读介质 | |
CN113962508A (zh) | 用电对象的识别方法及识别装置、电子设备 | |
CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
CN114077663A (zh) | 应用日志的分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |