1.本发明涉及工程巡检领域，特别地，涉及一种基于人工智能的工程巡检系统及其方法。
背景技术：
2.建筑工程巡检，是为全面了解工地现场施工情况，通过对项目巡查质量结果的整改与检审，及时发现并解决施工中存在的相关问题，提高公司项目质量、品质等目标的管控能力。
3.现有技术中，工程巡检的方式有人工巡检也有无人机巡检，相较于人工巡检的低效、主观失误大的问题，无人机巡检具有速度快、反应及时的优点。
4.但是建筑工程项目现场环境复杂，工程巡检检测项目多（例如脚手架、人员安全帽、火灾隐患等），并且随着项目进度的推进，项目现场的各场景元素变化迅速，而无人机巡检的任务指令是人为确定的，其指令的规划需要收集大量数据，且随着项目现场的场景变化，需要实时更新巡检任务指令，若仅依靠人工进行规划，任务量非常繁重，难以做好巡检工作。
技术实现要素：
5.有鉴于此，本发明目的是提供一种基于人工智能的工程巡检系统及其方法，主要用于工程巡检中根据场景变化而智能化更新巡检任务数据。
6.为了解决上述技术问题，本发明的技术方案是：一种基于人工智能的工程巡检系统，包括巡检装置和控制中心，所述巡检装置与所述控制中心通过无线网络连接；所述巡检装置包括用于采集建设工程项目现场的图像信息的采集机构，以及驱动所述采集机构移动的驱动机构，还包括第二收发单元；所述控制中心包括第一收发单元和控制指令单元，所述控制指令单元内存储有用于控制所述巡检装置工作的巡检路线指令和采集区域指令，其中，所述采集区域指令包括所述巡检装置的所处位置以及所述采集机构的拍摄角度；所述控制中心包括bim服务器和问题分析单元，所述bim服务器内预存有参照模型，所述bim服务器将所述采集机构采集的图像信息进行建模并生成实际模型，所述问题分析单元将所述实际模型与所述参照模型进行比对以生成问题点；所述控制中心还包括智能分析单元，所述智能分析单元通过实时分析所述采集机构采集到的图像信息，判断并更新所述巡检路线指令以及所述采集区域指令。
7.较之现有技术，本发明的优点在于：通过巡检装置采集建设工程现场的图像信息，代替人工采集数据，避免了人工成本高昂、采集效率低下、容易主观漏检等问题。
8.通过控制中心根据采集的图像信息进行问题分析，能够智能化、具体化地呈现问题点，准确度高、效率高，避免人工分析地高成本、低效率以及主观误判漏判等问题。
9.通过智能分析单元实时分析图像信息，实现实时根据场景元素变化更新巡检路
线，以及主动探索新的区域范围以更新图像采集区域，无需人为地进行数据收集以及规划，且每次巡检工作中进行更新，能够及时地适应建筑工程项目现场的场景变化，跟进项目进度，节省大量人力。
10.进一步的，所述智能分析单元包括路线分析单元和区域分析单元，所述路线分析单元实时分析所述采集机构的图像信息，确认巡检路线上的场景元素变化并重新进行路线规划，生成新的所述巡检路线指令；所述区域分析单元实时分析所述采集机构的图像信息，确认巡检路线上的场景元素变化，并控制所述采集机构采集原所述采集区域指令以外区域的图像信息，所述区域分析单元分析采集的图像信息以增加/减少采集区域的范围，生成新的所述采集区域指令，实时分析场景变化，自动更新巡检指令，智能程度高。
11.进一步的，所述智能分析单元的运行基于视觉陌生度驱动的增量自主式视觉学习算法。
12.进一步的，所述工程巡检系统还包括人工反馈端，所述控制中心与所述人工反馈端通过无线网络连接，所述人工反馈端包括第三收发单元和显示单元，所述控制中心将所述问题点发送至所述人工反馈端，所述人工反馈端向所述控制中心做出反馈指令，所述反馈指令包括正反馈与负反馈，做出正反馈时，所述智能分析单元将新的所述巡检路线指令和新的采集区域指令存储于所述控制指令单元并赋予最高优先级，作出负反馈时，所述智能分析单元删除新的所述巡检路线指令和新的采集区域指令，人工反馈避免系统出错。
13.进一步的，所述问题分析单元根据所述问题点从所述采集机构的图像信息中截取若干帧问题图像，所述控制中心将所述问题图像发送至所述人工反馈端，以及时通知工作人员处理。
14.进一步的，所述采集机构包括用于采集全景图像的全景摄像机，以及采集三维立体数据的激光扫描仪。
15.进一步的，所述驱动机构包括无人机或自行走小车。
16.一种基于人工智能的工程巡检系统的方法，包括以下步骤：s1、通过所述巡检装置或人工采集建设工程项目现场的合规范的图像信息并上传至所述控制中心，所述bim服务器根据图像信息生成参照模型；s2、所述控制中心向所述巡检装置发送巡检路线指令和采集区域指令，所述巡检装置开始巡检工作；s3、所述采集机构采集图像信息并发送至所述bim服务器，所述bim服务器将图像信息建模生成实际模型，所述问题分析单元将实际模型与参照模型进行对比以生成问题点；s4、所述问题分析单元根据所述问题点截取若干帧问题图像，并发送至人工反馈端；s5、所述智能分析单元实时分析图像信息，判断巡检路线和采集区域的变化，生成新的所述巡检路线指令和所述采集区域指令，并发送至所述人工反馈端；s6、所述人工反馈端处对新的所述巡检路线指令和新的所述采集区域指令进行人工反馈。
附图说明
17.图1为本发明的系统结构示意图；图2为视觉陌生度驱动的增量自主式视觉学习算法的流程图。
具体实施方式
18.以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
19.实施例1：本实施例提供一种基于人工智能的工程巡检系统，参照图1所示，包括巡检装置，所述巡检装置包括采集机构，所述采集机构包括用于采集全景图像的全景摄像机，以及采集三维立体数据的激光扫描仪，所述巡检装置还包括驱动所述采集机构移动的驱动机构，所述驱动机构包括但不限于无人机或自行走小车，所述巡检装置通过所述驱动机构在建筑工程项目现场行走，并通过所述采集机构采集项目现场的图像信息，实现代替人工的巡检工作。
20.所述工程巡检系统还包括控制中心，所述巡检装置与所述控制中心通过无线网络连接，所述控制中心包括第一收发单元，所述巡检装置包括第二收发单元，所述控制中心与所述巡检装置通过所述第一收发单元和所述第二收发单元实现数据交互。
21.所述控制中心包括控制指令单元，所述控制指令单元内存储有用于控制所述巡检装置工作的巡检路线指令和采集区域指令，其中，所述采集区域指令包括所述巡检装置的所处位置以及所述采集机构的拍摄角度，所述控制指令单元向所述巡检装置发送所述巡检路线指令和所述采集区域指令，所述巡检装置根据所述巡检路线指令进行移动，并对所述采集区域指令所指示的位置进行图像采集，其中，初始的所述巡检路线指令以及所述采集区域指令是通过工作人员在根据建筑工程项目现场的实际场景情况作出的规划，并录入至所述控制指令单元内。
22.所述控制中心还包括bim服务器和问题分析单元，建筑工程项目现场投入作业前，通过人工或所述巡检装置采集相应的初始规范的图像信息，所述bim服务器根据该图像信息进行建模生成参照模型，所述参照模型包括建筑物构件的几何信息、专业属性及状态信息等，还包括非构件对象（如空间、运动行为）的状态信息等，具体为脚手架构件信息、大型设备信息、施工人员规范穿戴信息等。
23.在进行巡检工作中，所述采集机构向所述控制中心传输的图像信息于所述bim服务器上建模，生成实际模型，所述问题分析单元调用专业软件将所述实际模型与所述参照模型进行比对，根据模型的不同之处判断所述实际模型中存在的问题点，从而判断建筑工程项目现场存在的问题隐患，问题隐患包括但不限于施工人员未戴安全帽、未绑安全带，在非动火区域出现火苗或者高温点、脚手架间距超过安全规定的范围、脚手架变形监测等。
24.其中，所述工程巡检系统还包括人工反馈端，所述人工反馈端与所述控制中心通过无线网络连接，所述人工反馈端包括第三收发单元和显示单元，所述控制中心与所述人工反馈端通过所述第一收发单元和所述第三收发单元实现数据交互，所述问题分析单元根据所述问题点截取相应图像信息中的若干帧图像，发送至所述人工反馈端并于所述显示单元所显示，通过工作人员进行人为确认，并通知相应维修人员，要求处理。
25.实际的建筑工程项目中，施工现场的场景是复杂多变的，随着项目的不断进行，场景内的建筑物、设备、人员等都在进行变动，而所述控制中心中的所述巡检路线指令和所述采集区域指令是特定的，需要人为地进行更新，需要额外地采集图像信息、建模，人为核实确定新的指令，容易耗费大量时间与人力，施工进度快的现场则需要更为频繁的更新，极易加重人力资源成本。
26.因此，本实施例的所述控制中心内还设有智能分析单元，所述智能分析单元包括路径分析单元和区域分析单元，所述路径分析单元和所述区域分析单元均实时分析所述采集机构的图像信息，所述路径分析单元根据图像信息确认原巡检路线上的场景元素变化，判断所述巡检机构按原所述巡检路线指令移动是否可行，若可行，则按原所述巡检路线指令行进，若不可行，则生成可行的新的所述巡检路径指令；所述区域分析单元根据图像信息确认原巡检路线上的场景元素变化，若无变化，则按原所述采集区域指令进行采集，若有变化，则通过所述控制中心控制所述采集机构采集原所述图像采集区域以外区域的图像信息，所述区域分析单元分析采集到的图像信息进行判断，以增加/减少所述采集区域指令的范围，生成新的所述采集区域指令。
27.因此，在所述巡检装置进行巡检工作中，即可以实现实时根据场景元素变化更新巡检路线，以及主动探索新的区域范围以更新图像采集区域，无需人为地进行数据收集以及规划，且每次巡检工作中进行更新，能够及时地适应建筑工程项目现场的场景变化，跟进项目进度，节省大量人力。
28.其中，所述智能分析单元的运行基于视觉陌生度驱动的增量自主式视觉学习算法，所述视觉陌生度驱动的增量自主式视觉学习算法的具体步骤参照图2所示。
29.所述智能分析单元生成的新的所述巡检路线指令和新的所述采集区域指令发送至所述人工反馈端，并于所述显示单元上显示，工作人员人为地对新的所述巡检路线指令和新的所述采集区域指令进行确认，以通过所述人工反馈端对所述控制中心做出反馈指令，所述反馈指令包括正反馈与负反馈，当新的所述巡检路线指令和新的所述采集区域指令符合人为确认要求时，做出正反馈，所述智能分析单元将新的所述巡检路线指令和新的采集区域指令存储于所述控制指令单元并赋予最高优先级；当新的所述巡检路线和新的所述图像采集区域不符合人为确认要求时，作出负反馈，所述智能分析单元将其删除，所述控制指令单元保留旧的所述巡检路线指令和旧的所述采集区域指令为当前的最高优先级，因此，这种通过人为的确认，能够避免意外生成错误指令而错误执行巡检工作。
30.实施例2：本实施例提供一种基于人工智能的工程巡检系统的方法，包括以下步骤：s1、通过所述巡检装置或人工采集建设工程项目现场的合规范的图像信息并上传至所述控制中心，所述bim服务器根据图像信息生成参照模型；s2、所述控制中心向所述巡检装置发送巡检路线指令和采集区域指令，所述巡检装置开始巡检工作；s3、所述采集机构采集图像信息并发送至所述bim服务器，所述bim服务器将图像信息建模生成实际模型，所述问题分析单元将实际模型与参照模型进行对比以生成问题点；s4、所述问题分析单元根据所述问题点截取若干帧问题图像，并发送至人工反馈
端；s5、所述智能分析单元实时分析图像信息，判断巡检路线和采集区域的变化，生成新的所述巡检路线指令和所述采集区域指令，并发送至所述人工反馈端；s6、所述人工反馈端处对新的所述巡检路线指令和新的所述采集区域指令进行人工反馈。
31.以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围。