一种基于智能AI联动喷淋混凝土墙面养护系统及方法与流程

一种基于智能ai联动喷淋混凝土墙面养护系统及方法
技术领域
1.本发明涉及建筑工程施工技术，具体涉及混凝土结构的墙体养护技术。


背景技术：

2.随着高层、超高层的不断发展，对建筑的质量和绿色施工提了更高的要求，其中混凝土结构的墙体养护成为本领域讨论研究的热点。
3.墙体的常规养护手段为人工洒水及涂抹养护液。这种方式在实际操作过程中存在诸多的问题，如水在墙体上面无法长时间留存，并且在室外环境浇筑后，如果室外温度较低会使得墙柱的混凝土温度较低，不利于混凝土的养护；同时，大量不均匀的人工喷洒，不仅影响了混凝土的养护质量，额外增加了人工成本，浪费了水资源。
4.由此可见如何对混凝土墙面进行高效的喷淋养护，为本领域亟需解决的问题。


技术实现要素：

5.针对现有混凝土结构墙体的养护方案基于人工洒水的方式所存在的问题，本发明的目的在于提供一种基于智能ai联动喷淋混凝土墙面养护系统，并基于该系统还提供一种混凝土墙面养护方法，该养护方案能够基于建筑物墙体的干湿度、混凝土颜色等特性来自动识别墙体上待养护区域，并联动喷淋养护，有效解决混凝土墙体无法及时养护的问题，实现绿色施工。
6.为了达到上述目的，本发明提供的基于智能ai联动喷淋混凝土墙面养护系统，包括架体、若干智能识别单元、数据处理单元、供水管路、若干喷淋单元以及后台管理单元；
7.所述架体架设在待养护的混凝土墙面上；
8.所述供水管路架设在所述架体上，所述若干喷淋单元分布在所述架体上，并接入所述供水管路；所述若干喷淋单元之间形成的可喷淋区域能够覆盖整个待养护的混凝土墙面；
9.所述若干智能识别单元分布在所述架体上，并与数据处理单元数据连接，所述若干智能识别单元之间形成的可识别区域能够覆盖整个待养护的混凝土墙面；每个智能识别单元能够获取可识别区域内待养护混凝土墙面的监控图像，并对获取到的监控图像进行深度学习分类；
10.所述数据处理单元分别与若干喷淋单元、若干智能识别单元以及后台管理单元数据连接，完成若干喷淋单元、若干智能识别单元与后台管理单元之间的数据交互；
11.所述后台管理单元根据每个智能识别单元传输的经过深度学习分类处理的监控图像进行分析处理，识别判断出需要进行喷淋养护的墙体区域，并控制对应位置的喷淋单元启动喷淋。
12.进一步的，所述供水管路包括主供水管、电磁阀、分供水管以及消防立管，所述主供水管通过电磁阀与减压阀连接消防立管，所述主供水管连接分供水管，所述电磁阀受控于所述后台管理单元。
13.进一步的，所述若干喷淋单元呈阵列式分布，并通过分供水管道连接。
14.进一步的，所述若干智能识别单元间隔布置架体的顶端。
15.进一步的，所述智能识别单元采用深度学习模型来提取图像的低级特征，并基于提到的图像低级特征进一步学习得到图像的高级特征，且将所有特征聚合，完成图像分类，以分辨出不同的混凝土图像状态。
16.进一步的，所述后台管理单元对经过所述智能识别单元深度学习分类的监控图像进行统计分析，根据统计分析结果确定相应的混凝土墙体待喷淋养护状态。
17.为了达到上述目的，本发明提供的基于智能ai联动喷淋混凝土墙面养护方法，包括：
18.获取待养护混凝土墙面的监控图像，对获取到的监控图像进行深度学习分类，并据此识别出待养护混凝土墙体上对应区域的待喷淋养护状；
19.根据获取到的经过深度学习分类处理的监控图像，识别判断出需要进行喷淋养护的墙体区域，并控制对应位置的喷淋单元启动喷淋。
20.进一步的，所述养护方法中采用深度学习模型来提取图像的低级特征，并基于提到的图像低级特征进一步学习得到图像的高级特征，且将所有特征聚合，完成图像分类，以分辨出不同的混凝土图像状态。
21.进一步的，所述养护方法中对经过深度学习分类的监控图像进行统计分析，根据统计分析结果确定相应的混凝土墙体待喷淋养护状态。
22.进一步的，所述养护方法还包括调节喷淋水压大小的步骤。
23.本发明提供的混凝土墙面养护方案基于智能ai联动喷淋，能够自动识别混凝土墙面的状态，并自动对浇筑完的混凝土进行养护，保证混凝土浇筑质量，同时通过智能识别系统及时开关喷淋装置，节约用水，实现工地绿色施工。
附图说明
24.以下结合附图和具体实施方式来进一步说明本发明。
25.图1为本发明实施例中基于智能ai联动喷淋混凝土墙面养护系统的剖面示例图；
26.图2为本发明实施例中基于智能ai联动喷淋混凝土墙面养护系统的立面示例图。
27.图3为本发明实施例中基于智能ai联动喷淋混凝土墙面养护系统连接流程图
28.图4为本发明实施例中基于智能ai联动喷淋混凝土墙面养护系统自动运行的流程图；
29.图5为本发明实施例中基于智能ai联动喷淋混凝土墙面养护系统进行现场人工调节的流程图。
具体实施方式
30.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
31.针对现有技术所存在的问题，本发明提供基于智能ai联动喷淋实现对混凝土墙面的智能喷淋养护，解决混凝土墙体无法及时养护的问题，同时降低能耗实现绿色施工。
32.本发明创新的基于图像识别技术，通过获取待养护混凝土墙周围环境数据以及待
养护混凝土墙面的监控图像，并据此识别出待养护混凝土墙体上对应区域的干湿度、混凝土颜色参数；
33.在此基础上，根据获取到的环境数据、监控图像以及识别出的对应墙体参数据判断出需要进行喷淋养护的墙体区域，并控制对应位置的喷淋单元启动喷淋。
34.具体的，本发明中通过深度学习模型完成对图像的自主深度学习，即对图像进行特征学习或表征学习，实现具备分辨不同混凝土状态对应图像的能力，并据此完成混凝土是否为养护状态的分类。
35.进一步的，本发明中的深度学习模型中通过“低层”神经网络(即浅层神经网络)来提取图像的“低级”特征，如混凝土颜色、形状和轮廓等，并将提取到的图像“低级”特征信息输入到“高层”神经网络(即深层神经网络)；
36.再者，由“高层”神经网络(即深层神经网络)来学习图像的“高级”特征，如水渍、混凝土孔洞、污迹等；
37.最后，“高层”神经网络(即深层神经网络)将深度学习得到的所有图像的“高级”特征聚合到最终的全连接层，由此来完成图像分类任务。
38.本发明中针对获取到的环境数据、监控图像以及识别出的对应墙体参数据，进行统计分析处理,并采用判决投票的方式识别养护状态，判断出需要进行喷淋养护的墙体区域，并控制对应位置的喷淋单元启动喷淋。
39.本发明通过对收集的经过深度学习分类的监控图像进行统计，基于收到的大量图像来提高实际识别结果的准确性。
40.具体的，针对收集到的经过深度学习分类的监控图像进行统计分析，并以“少数服从多数”的原则，对其养护状态进行判决投票，根据结果确定当前混凝土是否需要养护。
41.在此基础上，本发明可进一步将处理后的数据上报至云平台，并控制参数的本地化显示,实现环境和相关参数与相应监控画面进行有机融合。
42.作为举例，这里的参数一般为进行喷淋养护的工作记录，比如喷淋启动时间、喷淋的时长等。
43.最后，本发明方案能够在确定建筑物浇筑完的混凝土墙体需要养护时，控制对应需要喷淋养护位置所对应的喷淋单元并通过调节水压调节喷淋水压大小，实现网格化的精确喷淋养护控制，不仅实现只针对需要喷淋养护位置进行喷淋养护，还能够根据需要喷淋养护位置的待养护状态匹配对应的喷淋养护模式(如喷淋水压大小、喷淋的时间等)。
44.参见图1与图2，其所示为本发明基于前述方案提供基于智能ai联动喷淋混凝土墙面养护系统的一种示例方案。
45.由图可知，本基于智能ai联动喷淋混凝土墙面养护系统在构成上，主要包括水泵1、金属喷淋装置2、分供水管3、主控板开关4、智能摄像头5、数据处理单元6、移动装置7、主供水管8、架体9以及后台管理单元这几个构成部件。
46.本系统中的架体9依附于待养护的混凝土墙10面上，如图所示，本实例中的架体9具体依附于待养护的混凝土墙10两侧面上，即依附在混凝土墙10的内侧面与外侧面上，用于承载系统中的其他组成部件。
47.本系统中的水泵1、分供水管3、主供水管8相互配合构成相应的供水管路，并整体架设在架体9上，用于对相应的金属喷淋装置2进行供水。
48.这里的主供水管8整体依附于架体9上，并随架体9爬升。
49.具体的，本系统中的主供水管8在设置时，其根据架体的消防立管数量来确定，同时优先对应于消防立管来设置。
50.本系统中的主供水管8通过相应的减压阀以及电磁阀来实现与消防立管连通。作为举例，消防立管连接减压阀进行减压，减压阀连接电磁阀，由电磁阀来控制通断状态，再由电磁阀通过变通(即相应的水管变通件)连接主供水管。
51.作为举例主供水管8优选由相应的pvc管构成。
52.这里的供水分管3，附着在架体9上，用于连通主供水管8与相应的金属喷淋装置2。
53.本系统中的供水分管3在设置时优选通过相应的变通(即相应的水管变通件)与主供水管8连通。
54.作为举例主供水管8优选由相应的pvc管构成。
55.这里的水泵1用于将下部主供水管8从消防立管中获取的水泵送至上部混凝土墙体外架的供水分管3，再通过与供水分管3连通的金属喷淋装置2对墙体喷射养护。
56.参见图3，本实例中通过水泵1、分供水管3以及主供水管8配合，并基于消防立管来构成相应供水管路，其中消防立管11连接减压阀12对消防立管11内的高压水进行减压，减压阀12连接电磁阀13，由电磁阀13来控制整个供水管路的通断状态，再由电磁阀13通过第一变通(即相应的水管变通件)14连接主供水管8，而主供水管8通过第二变通(即相应的水管变通件)15连通至相应的分供水管3，由此形成的供水管路整体附着在架体9上，从而覆盖相应混凝土墙面。
57.针对图1所示示例，在混凝土墙10内侧面与外侧面都布设有相应的架体9，同时布设两套供水管路。故，在具体实施时，对应于混凝土墙10内侧面与外侧面设置2个消防立管，分别基于这2个消防立管形成附着两架体9上的供水管路，具体如上，此处不加以赘述。
58.本实例中的金属喷淋装置2构成相应的喷淋单元于对混凝土进行喷淋养护。本实例方案中根据实际养护需求，采用多个金属喷淋装置2，多个金属喷淋装置2分别分布在架体9上，并接入相应的供水分管3，由此来实现对墙体进行喷淋养护。
59.作为优选，本实例中的多个金属喷淋装置2在进行分布设置时，多个金属喷淋装置2之间形成的可喷淋区域能够覆盖整个待养护的混凝土墙面。
60.以图示方案为例，本实例针对混凝土墙10内侧面与外侧面分别布设相应的供水管路，据此本实例中分别沿分布在混凝土墙10内侧面与外侧面的架体9的高度方向依次设置四排喷淋装置，每排分成五列，上下左右间距为1m，由此针对混凝土墙10每个待养护的侧面分别形成20个阵列分布的喷淋点。
61.本实例的主控板开关4作为金属喷淋装置2的手动主控板开关，可用于调节水压大小。
62.作为举例，本实例中构成的每套供水管路中都由相应的电磁阀13来控制整个供水管路的通断，故而，本实例在每套供水管路中的电磁阀的进口的管道中串接一个调压阀来控制去气缸的介质空气的压力，从而实现调节水压大小，这里的调压阀受控于主控板开关4，由此实现手动控制方式来调节对应金属喷淋装置2进行喷淋的状态。
63.本实例中的智能摄像头5构成整个系统前端的智能识别单元，其具体分布在架体9上，并与数据处理单元6进行数据连接。该智能摄像头5能够获取周围环境数据以及可识别
区域内待养护混凝土墙面的监控图像，并据此识别可识别区域内待养护混凝土墙体的干湿度、混凝土颜色参数。
64.本实例中的智能摄像头5中运行有相应的深度学习模型，通过深度学习算法完成对图像的学习，具备分辨不同混凝土状态对应图像的能力，并据此完成混凝土是否为养护状态的分类。
65.本深度学习模型中具有浅层神经网络、深层神经网络以及全连接层。
66.本深度学习模型针对智能摄像头5所拍摄的混凝土墙面图像，首先通过浅层神经网络对所拍摄的混凝土墙面图像进行处理，提取图像的“低级”特征，如混凝土颜色、形状和轮廓等，并提取到的图像“低级”特征输入到深层神经网络；深层神经网络基于接收到的图像“低级”特征进一步学习图像的“高级”特征，如水渍、混凝土孔洞、污迹等；最后，深层神经网络将得到的所有“高级”特征聚合到最终的全连接层，完成图像分类任务。
67.智能摄像头5通过深度学习模型对所拍摄的混凝土墙面图像完成图像分类后，将分好类的图像传至后台管理单元，后台管理单元根据分类任务来进行判别投票。
68.本实例方案中根据实际养护需求，针对每面待养护的混凝土墙面优选采用多个智能摄像头5，这多个智能摄像头5在架体9上进行分布设置时，它们之间形成的可识别区域能够覆盖整个待养护的混凝土墙面。
69.作为举例，相应的智能摄像头5在进行部署时，相应的智能摄像头5优选设置在架体的顶部以及中部；分布在架体顶部的智能摄像头5用于获取待养护混凝土墙面顶部到中部区域的状态图像；分布在架体中部的智能摄像头5用于获取待养护混凝土墙面中部到底部区域的状态图像。与此同时，分布在架体顶部的智能摄像头5与分布在架体顶部的智能摄像头5在架体的高度方向上依次错开，这样实现比较全面的覆盖整个待养护混凝土墙面。
70.由此，针对每块待养护混凝土墙面，台管理单元将可通过多个现场部署的智能摄像头5同步收集待养护混凝土墙面不同区域的图像信息，并一一进行判别，确定最终该混凝土的养护状态，如需养护，则可通过控制沿该混凝土分布的喷淋养护系统中供水管路中的电磁阀开启喷淋养护系统进行喷淋养护。
71.作为举例，本系统能够基于如此分布设置的智能摄像头5还能够进一步实现对环境和墙体状态进行定时捕捉与实时识别，以便及时了解整个待养护的混凝土墙面的状态。
72.本系统中的数据处理单元6作为整套系统的中枢，分别与若干金属喷淋装置2、若干智能摄像头5以及后台管理单元数据连接，完成若干金属喷淋装置2、若干智能摄像头5与后台管理单元之间的数据交互。
73.作为举例，本系统中的数据处理单元6主要由数据接收器及led屏配合构成，其中数据接收器用于接收智能摄像头5识别并发送的数据，以转发给后台管理单元，同时接收后台管理单元发送的控制数据，通过led屏实现本地显示并同步发送给对应的金属喷淋装置2，实现对金属喷淋装置2的联动控制。
74.作为举例，本系统中的数据处理单元6在进行本地控制数据显示时，可通过显示不同的颜色来表示不同的喷淋养护状态。如数据处理单元中的led屏显示红色，则表示金属喷淋装置2联动开启，进行喷淋养护；如数据处理单元中的led屏显示绿色，则表示金属喷淋装置2联动关闭，进行喷淋养护结束。
75.本系统中的移动装置7，作为移动客户端，可与后台管理单元进行数据交互，以查
看实施养护情况。
76.作为举例，本实例中的移动装置7由智能手机以及运行在智能手机中的智能app构成，智能app通过4g、5g网络与后台管理单元进行数据传输交互，实现查看实施养护情况。
77.这里对于移动装置7的具体构成不加以限定，具体可根据实际需求而定。
78.本系统中的后台管理单元为整个系统的远程计算控制中心，其能够根据每个智能摄像头5传输的环境数据、监控图像以及识别出的对应墙体参数据判断出需要进行喷淋养护的混凝土墙体区域，并控制对应位置的金属喷淋装置2启动喷淋。
79.本系统中的后台管理单元对现场部署的每个智能摄像头5上传的经过深度学习分类的监控图像(即)进行统计分析，由此来识别相应的混凝土墙体待喷淋养护状态。
80.本后台管理单元进一步通过采集大量的经过深度学习分类的监控图像进行统计分析，由此来提高实际识别的准确性。
81.以下举例说明一下本系统中的后台管理单元进行混凝土墙体待喷淋养护状态智能判断的实现过程。
82.本后台管理单元针对每块待养护的混凝土墙体，采集对应于该块待养护的混凝土墙体面部署的每个智能摄像头5上传的经过深度学习分类的监控图像；并对采集到的大量经过深度学习分类的监控图像进行统计分析，优先采用“少数服从多数”的统计分析原则，来对相应的混凝土墙体的养护状态进行判决投票，确定混凝土是否需要养护。
83.由于部署在现场的每个智能摄像头5对拍摄到的每幅混凝土墙体区域图像都直接进行了深度学习分类处理，确定该图像对应的混凝土墙体区域为需要喷淋养护状态或不需要喷淋养护状态。
84.这样针对每块待养护的混凝土墙体面，后台管理单元采集同一时刻下，对应于该块待养护的混凝土墙体面部署的每个智能摄像头5上传的经过深度学习分类的监控图像，如此采集到的多幅监控图像所对应的混凝土墙体面区域能够覆盖整个混凝土墙体面，在进一步分析每幅监控图像的分类信息，即对应的混凝土墙体区域为需要喷淋养护状态或不需要喷淋养护状态。若采集到的多幅监控图像中类别为需要喷淋养护状态的图像数量多于类别为不需要喷淋养护状态的图像数量，则认定此时刻下，该块待养护的混凝土墙体面处于需要喷淋养护状态；若采集到的多幅监控图像中类别为需要喷淋养护状态的图像数量少于类别为不需要喷淋养护状态的图像数量，则认定此时刻下，该块待养护的混凝土墙体面处于不需要喷淋养护状态。
85.在基础上，后台管理单元再进一步采集相邻不同时刻下，对应于该块待养护的混凝土墙体面部署的每个智能摄像头5上传的经过深度学习分类的监控图像，并据此再进行统计分析处理，分析判断不同时刻下，该块待养护的混凝土墙体面对应的喷淋养护状态，具体过程同上，此处不加以赘述。
86.最后，后台管理单元对所有时时刻下，该块待养护的混凝土墙体面所对应的喷淋养护状态进行统计分析，同样基于“少数服从多数”的统计分析原则，即如果该块待养护的混凝土墙体面被判断为处于需要喷淋养护状态的次数多于被判断为处于不需要喷淋养护状态的次数，则最终确定该块待养护的混凝土墙体面处于需要喷淋养护状态，则控制对应该块待养护的混凝土墙体面分部的喷淋养护系统启动，对该块混凝土墙体面进行喷淋养护。如果该块待养护的混凝土墙体面被判断为处于需要喷淋养护状态的次数少于被判断为
处于不需要喷淋养护状态的次数，则最终确定该块待养护的混凝土墙体面处于不需要喷淋养护状态，则控制对应该块待养护的混凝土墙体面分部的喷淋养护系统不启动，继续进入下个判断周期。
87.本系统中后台管理单元中通过前述这种另外两层的“少数服从多数”的统计分析，能够精确的判断每块待养护的混凝土墙体面的养护状态，提高整个系统进行喷淋养护的效率与精确性。
88.本实例给出的基于智能ai联动喷淋混凝土墙面养护系统实现基于颜色、干湿等参数图片的算法，同时配合采用分析多台摄像头进行判决投票的方式识别养护状态，通过后台分析自动调控喷淋开关及水压大小进行及时养护，有效解决墙体浇筑完无法及时养护的问题。
89.进一步的，本系统能够基于主控板开关4实现进行人工调控喷淋养护，以应用现场施工的各种突发情况。
90.本实例给出的基于智能ai联动喷淋混凝土墙面养护系统能够有效解决混凝土墙面内外墙定期养护的问题。本系统在实际应用时可通过传统架体、爬模等架体进行安装，及时对浇筑完的混凝土进行养护，保证混凝土浇筑质量，同时通过智能识别系统及时开关金属喷淋装置，节约用水，实现工地绿色施工。
91.参见图4，其所示本实例给出的基于智能ai联动喷淋混凝土墙面养护系统针对混凝土墙面实现自动喷淋养护的基本流程。
92.在每块需要养护的混凝土墙面上，通过传统架体、爬模等架体来架设并布置本基于智能ai联动喷淋混凝土墙面养护系统。
93.本系统在工作时，面向待养护混凝土墙面部署的多个智能摄像头5分别实时或定时识别捕捉待养护混凝土墙面上对应区域内图像，并对每幅图像进行深度学习分类处理，确定待养护混凝土墙面上对应区域的混凝土干湿度、混凝土颜色、以及待喷淋养护状态等参数，并将相应的参数数据传至数据处理单元6。
94.数据处理单元6将接收若干个基于智能ai算法的摄像头识别的图片数据参数，传送到后台管理单元。
95.后台管理单元对采集的参数进行统计分析，根据多台智能摄像头5分别识别的待养护混凝土墙面的干湿度、颜色以及待喷淋养护状态等参数进行投票判别：
96.如果判别为需要养护状态，将处理后的数据上报至云平台，并将控制参数反馈至数据处理单元6；通过数据处理单元6实现本地化显示，如led显示红灯，并联动对应于待养护混凝土墙面上相应区域位置的金属喷淋装置2对墙体进行喷淋；
97.如果判别为养护正常状态，后台则将数据传送数据处理单元6，通过数据处理单元6实现本地化显示，如led显示绿灯，并联动摄像头重新捕捉图片，此时金属喷淋装置2为关闭状态。
98.参见图5，其所示本实例给出的基于智能ai联动喷淋混凝土墙面养护系统针对混凝土墙面进行人工调控喷淋养护的流程示例。
99.针对出现停电或者其他客观因素影响，需要进行人工调控喷淋养护时，本养护系统可通过人工控制主控板开关4，使其处于打开状态；此时，主控板开关4将控制相应的水泵1开关打开。届时，水泵1将下部供水主管的消防立管送至上部混凝土墙体外架的供水分水
管3，通过与其连通的金属喷淋装置2对墙体喷射养护。
100.该过程中，可通过人工控制主控板开关4进行调节水压大小，具体实现过程如上，同时数据处理单元6联动主控板开关4，实现本地化显示。
101.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。