CN116542577A - 基于深度学习实现工程项目的质量智能检测方法及*** - Google Patents
基于深度学习实现工程项目的质量智能检测方法及*** Download PDFInfo
- Publication number
- CN116542577A CN116542577A CN202310614070.5A CN202310614070A CN116542577A CN 116542577 A CN116542577 A CN 116542577A CN 202310614070 A CN202310614070 A CN 202310614070A CN 116542577 A CN116542577 A CN 116542577A
- Authority
- CN
- China
- Prior art keywords
- value
- project
- engineering
- combined
- quality
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 118
- 238000013135 deep learning Methods 0.000 title claims abstract description 29
- 239000000463 material Substances 0.000 claims abstract description 305
- 238000011156 evaluation Methods 0.000 claims abstract description 74
- 238000004088 simulation Methods 0.000 claims abstract description 68
- 239000004035 construction material Substances 0.000 claims abstract description 46
- 238000010276 construction Methods 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 33
- 238000012502 risk assessment Methods 0.000 claims description 27
- 239000000843 powder Substances 0.000 claims description 25
- 230000005856 abnormality Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 238000013441 quality evaluation Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 230000003245 working effect Effects 0.000 claims description 10
- 238000001303 quality assessment method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及质量检测领域,揭露一种基于深度学习实现工程项目的质量智能检测方法,包括:获取工程项目的单品材料和组合材料,检测单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算单品材料和组合材料的强度值,得到单品材料强度值和组合材料强度值,计算施工材料的材料评估值;采集工程项目的高频率检测信号,对高频率检测信号进行信号转换,得到高频率数字信号,计算工程内部结构的结构评估值;获取工程项目的施工数据,对工程项目进行结构虚礼仿真,得到仿真工程项目,对仿真工程项目进行工作模拟,得到工作效果值;生成所述工程项目的质量检测报告。本发明可以提高工程项目质量检测的准确性。
Description
技术领域
本发明涉及质量检测领域,尤其涉及一种基于深度学习实现工程项目的质量智能检测方法及***。
背景技术
质量智能检测是指将计算机技术、信息技术和人工智能等技术相结合而发展的检测技术对项目质量进行测量、检验、信息处理和判断决策和故障诊断等过程。
目前工程项目的质量智能检测主要是通过智能化设备对项目工程的基础施工材料和项目工程完成后的表面裂痕进行质量检测,这种质量检测方法对项目工程检测的不够全面,导致项目工程的质量检测不够精确。
发明内容
为了解决上述技术问题,本发明提供了一种基于深度学习实现工程项目的质量智能检测方法及***,可以提高工程项目质量检测的准确性。
第一方面,本发明提供了一种基于深度学习实现工程项目的质量智能检测方法,包括:
获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,利用下述计算所述施工材料的材料评估值;
采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,利用下述计算所述工程内部结构的结构评估值:
QS(D)=Q(Tvic)∝
其中,QS(D)表示结构评估值,∝表示虚数单位,Q()表示工程内部结构的危险性计算公式,Tvic表示结构异常点;
获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
在第一方面的一种可能实现方式中,所述分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,包括:
分别获取所述单品材料和所述组合材料的材料粉末,得到单品材料粉末和组合材料粉末;
配置所述单品材料粉末和所述组合材料粉末的电解环境;
利用所述电解环境,对所述单品材料粉末和所述组合材料粉末进行电解,得到所述单品材料电位差和所述组合材料电位差。
在第一方面的一种可能实现方式中,所述根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值,包括:
配置所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值的质量值设置规则;
根据所述质量值设置规则,对所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值进行质量值设置,得到单品电位质量值和组合电位质量值和单品强度质量值以及组合强度质量值;
根据所述单品电位质量值和所述组合电位质量值和所述单品强度质量值以及所述组合强度质量值,利用下述公式计算所述施工材料的所述材料
其中,QER表示材料评估值,(u1t1*u2t2*...untn)表示单品电位质量值和组合电位质量值总值;(a1c1*a2c2*...ancn)表示组合电位质量值和单品强度质量值的质量总值,un表示第n个单品电位质量值,tn表示第n个组合电位质量值,an表示第n个单品强度质量值,cn表示第n个组合强度质量值。
在第一方面的一种可能实现方式中,所述通过对所述高频率检测信号进行信号转换,得到高频率数字信号,包括:
对所述高频率检测信号进行抽样,得到高频率离散信号;
对所述高频率离散信号进行量化,得到高频率量化信号;
对所述高频率量化信号进行编码,得到高频率数字信号。
在第一方面的一种可能实现方式中,所述计算所述工程内部结构的结构评估值,包括:
识别所述工程内部结构的结构异常点;
分析所述结构异常点的危险性;
根据所述结构异常点和所述危险性,利用下述公式计算所述工程内部结构的所述结构评估值:
QS(D)=Q(Tvic)∝
其中,QS(D)表示结构评估值,∝表示虚数单位,Q()表示工程内部结构的危险性,Tvic表示结构异常点。
在第一方面的一种可能实现方式中,所述通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,包括:
根据所述工程内部结构,构建所述工程项目的项目三维地基;
根据所述施工数据,对所述项目三维地基进行模型推理,得到项目三维模型;
对所述项目三维模型进行仿真,得到仿真工程项目。
在第一方面的一种可能实现方式中,所述利用下述公式计算所述项目三维地基的所述项目三维模型,包括:
利用下述公式计算所述项目三维地基的地基三维度:
其中,D(SW)表示地基三维度,SRT(Y)表示推理函数,P表示项目三维地基;
根据所述地基三维度,构建所述项目三维地基的所述项目三维模型。
在第一方面的一种可能实现方式中,所述对所述仿真工程项目进行工作模拟,得到工作效果值,包括:
配置所述仿真工程项目的工作环境;
根据所述工作环境,对所述仿真工程项目进行工作模拟,得到工作模拟结果;
根据所述工作模拟结果,评估所述仿真工程项目的工作效果值。
在第一方面的一种可能实现方式中,所述根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告,包括:
分别检索所述材料评估值和所述结构评估值以及所述工作效果值的值异常,得到材料值异常和结构值异常以及工作值异常;
对所述材料值异常和所述结构值异常以及所述工作值异常进行风险评估,得到材料风险评估和结构风险评估以及工作风险评估;
根据所述材料风险评估和所述结构风险评估以及所述工作风险评估,生成所述工程项目的所述质量检测报告。
第二方面,本发明提供了一种基于深度学习实现工程项目的质量智能检测***,所述***包括:
材料质量评估模块,用于获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值;
结构质量评估模块,用于采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,计算所述工程内部结构的结构评估值;
工作质量评估模块,用于获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
质量检测报告生成模块,用于根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
与现有技术相比,本方案的技术原理及有益效果在于:
本发明实施例本发明实施例通过本发明实施例通过获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料可以根据材料本身从根源检测项目工程质量,提高项目工程的质量检测的准确性。再次,本发明实施例通过根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值可以通过多个维度对施工材料进行质量检测,确保工程质量过关,提高工程项目的准确性。进一步地,本发明实施例通过采集所述工程项目的高频率检测信号可以通过信号获取项目工程内部结构参数,方便后期进行结构质量检测,提高检测的准确性。紧接着,本发明实施例通过对所述仿真工程项目进行工作模拟,得到工作效果值可以对所述项目工程进行效果真实模拟,从而判断所述项目工程的是否符合项目要求,提高工程项目质量检测的准确性。最后,本发明实施例通过根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告可以从多角度对所述工程项目的质量进行检测,提高所述工程项目质量检测的准确性。因此,本发明实施例提出的基于深度学习实现工程项目的质量智能检测方法及***,可以工程项目质量检测的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于深度学习实现工程项目的质量智能检测方法的流程示意图;
图2为本发明一实施例提供的一种基于深度学习实现工程项目的质量智能检测***的模块示意图;
图3为本发明一实施例提供的基于深度学习实现工程项目的质量智能检测方法的电子设备的内部结构示意图。
具体实施方式
应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种基于深度学***台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示,是本发明一实施例提供的一种基于深度学习实现工程项目的质量智能检测方法的流程示意图。其中,图1中描述的一种基于深度学习实现工程项目的质量智能检测方法包括:
S1、获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值。
本发明实施例通过获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料可以根据材料本身从根源检测项目工程质量,提高项目工程的质量检测的准确性。其中,所述单品材料是指用于项目建造的单独材料,例如钢筋、玻璃等材料,所述组合材料是指用于工程项目建造组合成的材料,例如水泥、混凝土等材料。
进一步地,本发明实施例通过分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差可以计算出材料的导电性能从而判断是否达到工程项目的质量标准。其中,所述电位差是指所述单品材料和所述组合材料的导电性能。
作为本发明的一个实施例,所述分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,包括:分别获取所述单品材料和所述组合材料的材料粉末,得到单品材料粉末和组合材料粉末;配置所述单品材料粉末和所述组合材料粉末的电解环境;利用所述电解环境,对所述单品材料粉末和所述组合材料粉末进行电解,得到所述单品材料电位差和所述组合材料电位差。
其中,所述单品材料粉末和所述组合材料粉末是指将材料进行振捣、碾碎、研磨等操作得到的材料粉末,所述电解环境是指将材料粉末进行溶解,电解液配置等操作后得到的可电解测量电位差的溶液环境。
进一步地,本发明一可选实施例中,所述分别获取所述单品材料和所述组合材料的材料粉末,得到单品材料粉末和组合材料粉末可以通过研磨机来实现。
本发明实施例通过分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值可以根据强度判断材料硬度过不过关,多方位检测提高工程质量检测的准确性。其中,所述单品材料强度值和所述组合材料强度值是指材料的硬度。
作为本发明的一个实施例,所述分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值可以通过金属洛氏法,在合适且恒定的温度下对材料进行硬度测试。
本发明实施例通过根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值可以通过多个维度对施工材料进行质量检测,确保工程质量过关,提高工程项目的准确性。其中,所述材料评估值是指施工材料经过多维度检测后得到材料质量评估情况。
作为本发明的一个实施例,所述根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值,包括:配置所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值的质量值设置规则;根据所述质量值设置规则,对所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值进行质量值设置,得到单品电位质量值和组合电位质量值和单品强度质量值以及组合强度质量值;根据所述单品电位质量值和所述组合电位质量值和所述单品强度质量值以及所述组合强度质量值,计算所述施工材料的所述材料评估值。
其中,所述质量值设置规则是指计算材料质量指定的计算规则,所述单品电位质量值和所述组合电位质量值和所述单品强度质量值以及所述组合强度质量值是指根据规则配置材料电位差和强度值的质量值,例如所述单品材料电位差达到0-10,则质量值为10、所述单品材料强度值为100,则质量值为30等质量值。
进一步地,本发明一可选实施例中,利用下述公式计算所述施工材料的所述材料评估值:
其中,QER表示材料评估值,(u1t1*u2t2*...untn)表示单品电位质量值和组合电位质量值总值;(a1c1*a2c2*...ancn)表示组合电位质量值和单品强度质量值的质量总值,un表示第n个单品电位质量值,tn表示第n个组合电位质量值,an表示第n个单品强度质量值,cn表示第n个组合强度质量值。
S2、采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,计算所述工程内部结构的结构评估值。
本发明实施例通过采集所述工程项目的高频率检测信号可以通过信号获取项目工程内部结构参数,方便后期进行结构质量检测,提高检测的准确性。其中所述高频率检测信号是指通过高频检测仪采集的内部结构参数数据。例如承重墙数量、墙体厚度等等数据。
作为本发明的一个实施例,所述采集所述工程项目的高频率检测信号可以通过高频检测仪来实现。
进一步地,本发明实施例通过对所述高频率检测信号进行信号转换,得到高频率数字信号可以将采集地高频信号转化成计算机可以处理的信号数据,便于结构分析,提高工程项目质量检测的准确性。其中所述高频率数字信号是指所述高频率检测信号进行模拟转化得到的数字信号。
作为本发明的一个实施例,所述通过对所述高频率检测信号进行信号转换,得到高频率数字信号,包括:对所述高频率检测信号进行抽样;得到高频率离散信号;对所述高频率离散信号进行量化,得到高频率量化信号;对所述高频率量化信号进行编码,得到高频率数字信号。
其中,所述高频率离散信号是指对所述高频率检测信号相同间隔时间进行抽样得到的间隔信号,所述高频率量化信号是指将所述高频率离散信号转化为最接近的数字值得到的数字值信号集合。
进一步地,本发明一可选实施例中,所述对所述高频率量化信号进行编码,得到高频率数字信号可以通过脉冲编码中的编码技术来实现。
本发明实施例通过根据所述数字信号,分析所述项目工程的工程内部结构,可以详细的对项目工程的内部结构进行多方位分析,使得工程项目的质量检测更加精准。其中,所述结构评估值是指对项目工程进行内部结构分析后得到的质量评估值。
作为本发明的一个实施例,所述根据所述数字信号,分析所述项目工程的工程内部结构,包括:根据所述数字信号,分析所述项目工程内部构建和构建参数;通过所述内部构建和所述构建参数,解析所述项目工程的内部结构。
其中,所述内部构建是指所述项目工程内部的构造部位,例如承重墙、横梁等部位,所述构建参数是指所述内部构建的构造参数,例如承重墙的厚度、横梁的宽度等参数。
进一步地,本发明一可选实施例中,所述通过所述内部构建和所述构建参数,解析所述项目工程的内部结构可以通过3DMA画图工具实现。
本发明实施例通过计算所述工程内部结构的结构评估值可以精准的得出所述项目工程的内部结构质量,从内部判断项目工程是否符合要求,提高工程项目质量检测的准确性。其中,所述结构评估值是指对项目工程进行内部结构分析后得到的质量评估值。
作为本发明的一个实施例,所述计算所述工程内部结构的结构评估值,包括:识别所述工程内部结构的结构异常点;分析所述结构异常点的危险性;根据所述结构异常点和所述危险性,利用下述公式计算所述工程内部结构的所述结构评估值:
QS(D)=Q(Tvic)∝
其中,QS(D)表示结构评估值,∝表示虚数单位,Q()表示工程内部结构的危险性,Tvic表示结构异常点。
其中,所述结构异常点是指所述工程内部结构中存在异常的部位;所述危险性是指所述结构异常点经过分析得出对项目工程的风险成度。
进一步地,本发明一可选实施例中,所述识别所述工程内部结构的结构异常点主要通过OneClassSVM异常点检测方式。
S3、获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值。
本发明实施例通过获取所述工程项目的施工数据可以作为项目工程质量检测的数据基础,从而提高工程质量检测的准确性。其中,所述施工数据是指项目工程建设过程中所涉及的数据,例如,项目材料、项目图纸等等数据。
进一步地,本发明实施例通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目可以生成项目仿真图形判断项目是否符合工作需求。其中,所述仿真工程项目是指通过三维建模、仿真等技术生成的与现实工程项目相同的项目工程。
作为本发明的一个实施例,所述通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,包括:根据所述工程内部结构,构建所述工程项目的项目三维地基;根据所述施工数据,对所述项目三维地基进行模型推理,得到项目三维模型;对所述项目三维模型进行仿真,得到仿真工程项目。
其中,所述项目三维地基是指通过项目内部结构搭建的项目三维地基,所述项目三维模型是指根据所述施工数据对所述项目三维地基进行数据推理、建模得出的项目还原的三维模型。
进一步地,本发明一可选实施例中,利用下述公式计算所述项目三维地基的所述项目三维模型,包括:利用下述公式计算所述项目三维地基的地基三维度:
其中,D(SW)表示地基三维度,SRT(Y)表示推理函数,P表示项目三维地基;
根据所述地基三维度,构建所述项目三维地基的所述项目三维模型。
本发明实施例通过对所述仿真工程项目进行工作模拟,得到工作效果值可以对所述项目工程进行效果真实模拟,从而判断所述项目工程的是否符合项目要求,提高工程项目质量检测的准确性。其中,所述工作效果值是指通过真实工作模拟得到的项目质量评估值。
作为本发明的一个实施例,所述对所述仿真工程项目进行工作模拟,得到工作效果值,包括:配置所述仿真工程项目的工作环境;根据所述工作环境,对所述仿真工程项目进行工作模拟,得到工作模拟结果;根据所述工作模拟结果,评估所述仿真工程项目的工作效果值。
其中,所述工作环境是指项目工程进行工作的场景,所述工作模拟结果是指所述仿真工程项目进行模拟工作得到的工作效果。
进一步地,本发明一可选实施例中,所述对所述仿真工程项目进行工作模拟,得到工作模拟结果可以通过仿真模拟技术来实现。
S4、根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
本发明实施例通过根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告可以从多角度对所述工程项目的质量进行检测,提高所述工程项目质量检测的准确性。其中,所述质量检测报告是指通过多角度对所述工程项目进行评估后得到的质量报告。
作为本发明的一个实施例,所述根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告,包括:分别检索所述材料评估值和所述结构评估值以及所述工作效果值的值异常,得到材料值异常和结构值异常以及工作值异常;对所述材料值异常和所述结构值异常以及所述工作值异常进行风险评估,得到材料风险评估和结构风险评估以及工作风险评估,根据所述材料风险评估和所述结构风险评估以及所述工作风险评估,生成所述工程项目的所述质量检测报告。
其中,所述材料值异常和所述结构值异常以及所述工作值异常是指对所述工程项目材料和结构以及工作的质量评估值进行安全检索后的得出存在风险的点。所述材料风险评估和所述结构风险评估以及所述工作风险评估是指对所述工程项目材料和结构以及工作的异常值进行风险评测后得到的风险评测数据。
进一步地,本发明一可选实施例中,所述对所述材料值异常和所述结构值异常以及所述工作值异常进行风险评估,得到材料风险评估和结构风险评估以及工作风险评估可以通过Access Rights Manager风险检测工具来实现。
本发明实施例本发明实施例通过本发明实施例通过获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料可以根据材料本身从根源检测项目工程质量,提高项目工程的质量检测的准确性。再次,本发明实施例通过根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值可以通过多个维度对施工材料进行质量检测,确保工程质量过关,提高工程项目的准确性。进一步地,本发明实施例通过采集所述工程项目的高频率检测信号可以通过信号获取项目工程内部结构参数,方便后期进行结构质量检测,提高检测的准确性。紧接着,本发明实施例通过对所述仿真工程项目进行工作模拟,得到工作效果值可以对所述项目工程进行效果真实模拟,从而判断所述项目工程的是否符合项目要求,提高工程项目质量检测的准确性。最后,本发明实施例通过根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告可以从多角度对所述工程项目的质量进行检测,提高所述工程项目质量检测的准确性。因此,本发明实施例提出的基于深度学习实现工程项目的质量智能检测方法及***,可以工程项目质量检测的准确性。
如图2所示,是本发明一种基于深度学习实现工程项目的质量智能检测***的功能模块图。
本发明所述一种基于深度学习实现工程项目的质量智能检测***200可以安装于电子设备中。根据实现的功能,所述一种基于深度学习实现工程项目的质量智能检测***可以包括材料质量评估模块201、结构质量评估模块202、工作质量评估模块203、质量检测报告生成模块204。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本发明实施例中,关于各模块/单元的功能如下:
所述材料质量评估模块201,用于获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值;
所述结构质量评估模块202,用于采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,计算所述工程内部结构的结构评估值;
所述工作质量评估模块203,用于获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;所述质量检测报告生成模块204,用于根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
详细地,本发明实施例中所述一种基于深度学习实现工程项目的质量智能检测***200中的所述各模块在使用时采用与上述的图1所述的一种基于深度学习实现工程项目的质量智能检测方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图3所示,是本发明实现一种基于深度学习实现工程项目的质量智能检测方法的电子设备的结构示意图。
所述电子设备可以包括处理器30、存储器31、通信总线32以及通信接口33,还可以包括存储在所述存储器31中并可在所述处理器30上运行的计算机程序,如基于深度学习实现工程项目的质量智能检测程序。
其中,所述处理器30在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器30是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块(例如执行基于深度学习实现工程项目的质量智能检测程序等),以及调用存储在所述存储器31内的数据,以执行电子设备的各种功能和处理数据。
所述存储器31至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器31在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器31在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器31不仅可以用于存储安装于电子设备的应用软件及各类数据,例如一种基于深度学习实现工程项目的质量智能检测程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线32可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器31以及至少一个处理器30等之间的连接通信。
所述通信接口33用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,所述用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理***与所述至少一个处理器30逻辑相连,从而通过电源管理***实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器31存储的基于深度学习实现工程项目的质量智能检测保护程序是多个计算机程序的组合,在所述处理器30中运行时,可以实现:
获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值;
采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,计算所述工程内部结构的结构评估值;
获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
具体地,所述处理器30对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或***、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值;
采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析所述项目工程的工程内部结构,计算所述工程内部结构的结构评估值;
获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
在本发明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。例如,以上所描述的***实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,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模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于深度学习实现工程项目的质量智能检测方法,其特征在于,所述方法包括:
获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,利用下述计算所述施工材料的材料评估值;
采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析项目工程的工程内部结构,计算所述工程内部结构的结构评估值:
获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
2.根据权利要求1所述的方法,其特征在于,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,包括:
分别获取所述单品材料和所述组合材料的材料粉末,得到单品材料粉末和组合材料粉末;
配置所述单品材料粉末和所述组合材料粉末的电解环境;
利用所述电解环境,对所述单品材料粉末和所述组合材料粉末进行电解,得到所述单品材料电位差和所述组合材料电位差。
3.根据权利要求1所述的方法,其特征在于,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值,包括:
配置所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值的质量值设置规则;
根据所述质量值设置规则,对所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值进行质量值设置,得到单品电位质量值和组合电位质量值和单品强度质量值以及组合强度质量值;
根据所述单品电位质量值和所述组合电位质量值和所述单品强度质量值以及所述组合强度质量值,利用下述公式计算所述施工材料的所述材料
其中,QER表示材料评估值,(u1t1*u2t2*...untn)表示单品电位质量值和组合电位质量值总值;(a1c1*a2c2*...ancn),表示组合电位质量值和单品质量值得质量总值,un表示第n个单品电位质量值,tn表示第n个组合电位质量值,an表示第n个单品强度质量值,cn表示第n个组合强度质量值。
4.根据权利要求1所述的方法,其特征在于,通过对所述高频率检测信号进行信号转换,得到高频率数字信号,包括:
对所述高频率检测信号进行抽样,得到高频率离散信号;
对所述高频率离散信号进行量化,得到高频率量化信号;
对所述高频率量化信号进行编码,得到高频率数字信号。
5.根据权利要求1所述的方法,其特征在于,计算所述工程内部结构的结构评估值,包括:
识别所述工程内部结构的结构异常点;
分析所述结构异常点的危险性;
根据所述结构异常点和所述危险性,利用下述公式计算所述工程内部结构的所述结构评估值:
QS(D)=Q(Tvic)∝
其中,QS(D)表示结构评估值,∝表示虚数单位,Q()表示工程内部结构的危险性,Tvic表示结构异常点。
6.根据权利要求1所述的方法,其特征在于,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,包括:
根据所述工程内部结构,构建所述工程项目的项目三维地基;
根据所述施工数据,对所述项目三维地基进行模型推理,得到项目三维模型;
对所述项目三维模型进行仿真,得到仿真工程项目。
7.根据权利要求6所述的方法,其特征在于,利用下述公式计算所述项目三维地基的所述项目三维模型,包括:
利用下述公式计算所述项目三维地基的地基三维度:
其中,D(SW)表示地基三维度,SRT(Y)表示推理函数,P表示项目三维地基;
根据所述地基三维度,构建所述项目三维地基的所述项目三维模型。
8.根据权利要求1所述的方法,其特征在于,对所述仿真工程项目进行工作模拟,得到工作效果值,包括:
配置所述仿真工程项目的工作环境;
根据所述工作环境,对所述仿真工程项目进行工作模拟,得到工作模拟结果;
根据所述工作模拟结果,评估所述仿真工程项目的工作效果值。
9.根据权利要求1至8中任意一项所述的方法,其特征在于,根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告,包括:
分别检索所述材料评估值和所述结构评估值以及所述工作效果值的值异常,得到材料值异常和结构值异常以及工作值异常;
对所述材料值异常和所述结构值异常以及所述工作值异常进行风险评估,得到材料风险评估和结构风险评估以及工作风险评估;
根据所述材料风险评估和所述结构风险评估以及所述工作风险评估,生成所述工程项目的所述质量检测报告。
10.一种基于深度学习实现工程项目的质量智能检测***,其特征在于,所述***包括:
材料质量评估模块,用于获取工程项目的施工材料,所述施工材料包括:单品材料和组合材料,分别检测所述单品材料和所述组合材料的电位差,得到单品材料电位差和组合材料电位差,分别计算所述单品材料和所述组合材料的强度值,得到单品材料强度值和组合材料强度值,根据所述单品材料电位差和所述组合材料电位差和所述单品材料强度值以及所述组合材料强度值,计算所述施工材料的材料评估值;
结构质量评估模块,用于采集所述工程项目的高频率检测信号,对所述高频率检测信号进行信号转换,得到高频率数字信号,根据所述数字信号,分析项目工程的工程内部结构,计算所述工程内部结构的结构评估值;
工作质量评估模块,用于获取所述工程项目的施工数据,通过所述工程内部结构和所述施工数据,对所述工程项目进行结构虚礼仿真,得到仿真工程项目,对所述仿真工程项目进行工作模拟,得到工作效果值;
质量检测报告生成模块,用于根据所述材料评估值和所述结构评估值以及所述工作效果值,生成所述工程项目的质量检测报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310614070.5A CN116542577A (zh) | 2023-05-29 | 2023-05-29 | 基于深度学习实现工程项目的质量智能检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310614070.5A CN116542577A (zh) | 2023-05-29 | 2023-05-29 | 基于深度学习实现工程项目的质量智能检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116542577A true CN116542577A (zh) | 2023-08-04 |
Family
ID=87443531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310614070.5A Pending CN116542577A (zh) | 2023-05-29 | 2023-05-29 | 基于深度学习实现工程项目的质量智能检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542577A (zh) |
-
2023
- 2023-05-29 CN CN202310614070.5A patent/CN116542577A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7138753B2 (ja) | 画像欠陥検出方法、装置、電子機器、記憶媒体および製品 | |
CN111379555B (zh) | 抽油机井的故障诊断方法及装置 | |
CN116632838B (zh) | 应用于发电企业的电能供给分析的方法及装置 | |
CN117314397B (zh) | 基于桥梁搭建下的安全巡检方法、电子设备及存储介质 | |
CN110703743A (zh) | 设备故障预测与检测***和方法 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN115878958A (zh) | 一种变压器油温预测方法、装置、设备及存储介质 | |
CN115729815A (zh) | 基于加权随机的模糊测试方法、装置、设备及存储介质 | |
CN112686773B (zh) | 一种基于融合业务拓扑的电力计量全链路关键业务异常定位模型构建方法 | |
CN117036732B (zh) | 一种基于融合模型的机电设备检测***、方法及设备 | |
CN107977626B (zh) | 一种电子设备工作数据的分组方法 | |
CN107918704A (zh) | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 | |
Lee et al. | Government open data and sensing data integration framework for smart construction site management | |
CN117590278A (zh) | 基于动力柜的变压器故障检测方法、装置、设备及介质 | |
CN116542577A (zh) | 基于深度学习实现工程项目的质量智能检测方法及*** | |
CN111562042A (zh) | 一种地下车库施工中的安全信息监控方法及监控*** | |
CN106934729B (zh) | 建筑检测鉴定方法及装置 | |
CN115392715A (zh) | 一种用电数据风险评估方法、装置、设备及存储介质 | |
CN111090659A (zh) | 一种工程验评管理***及其验评方法 | |
CN117571742B (zh) | 基于人工智能实现芯片质检的方法及装置 | |
CN111428957A (zh) | Ppp项目绩效指标体系架构搭设方法及大数据信息录入装置 | |
CN117314205B (zh) | 一种室间质评项目检测结果上报方法及装置 | |
CN117787570B (zh) | 一种水环境重金属污染综合评价方法及*** | |
Siregar et al. | Monitoring of Toxic Gas and Dust from Motorized Vehicles on The Highway Using Internet of Things and Blob Detection | |
CN117972374A (zh) | 基于岩土体微震加速度的边缘损伤智能识别方法及*** |
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 |