基于深度神經(jīng)網(wǎng)絡(luò)的鋼結(jié)構(gòu)施工質(zhì)量智能評估

近年來，鋼結(jié)構(gòu)建筑因其綠色節(jié)能、工期短、成本低等特點，成為建筑行業(yè)討論的熱點，但在鋼結(jié)構(gòu)建筑普及的過程中也暴露出了許多亟待解決的問題。鋼結(jié)構(gòu)建筑的建筑過程需要大量的預(yù)制構(gòu)件在工廠進行加工以及現(xiàn)場組裝，可加快施工進度，減少施工過程中受到的環(huán)境影響。但是多數(shù)工序需要現(xiàn)場拼接，施工質(zhì)量受人員操作水平、材料質(zhì)量、施工工藝影響較大，需要對施工過程進行全面的數(shù)據(jù)收集才能保障施工質(zhì)量符合要求。另外，施工現(xiàn)場大量不同工種需要協(xié)同工作，造成了施工現(xiàn)場的環(huán)境復(fù)雜，管理人員需要在復(fù)雜環(huán)境中對施工質(zhì)量進行正確的檢查和評價，因此對于管理人員管理水平有更高要求。隨著工程體量和復(fù)雜性的增加，傳統(tǒng)的數(shù)據(jù)收集方式難以在規(guī)定的時間內(nèi)收集到可以反映整個建筑物的數(shù)據(jù)。不全面的數(shù)據(jù)導(dǎo)致頻繁返工、成本超支和拖延、項目質(zhì)量差[1]和安全生產(chǎn)事故頻發(fā)等諸多問題。李曉晨[2]將基于物聯(lián)網(wǎng)（IoT）的通信框架應(yīng)用于精益施工管理以及整個建筑生命周期的管理。常飛等[3]將傳感器應(yīng)用于構(gòu)件吊裝階段，以此實時反映構(gòu)件在空中的運行軌跡，保證了施工安全。上述學者雖然在多源數(shù)據(jù)方面進行了研究，但是缺少對整體數(shù)據(jù)收集技術(shù)的分析。隨著我國建筑行業(yè)管理質(zhì)量要求的提高，日常管理過程中出現(xiàn)的質(zhì)量管理效率低下、人員管理水平不均、管理過程信息化程度較差等問題，也越來越引起管理人員的重視。而智能先進技術(shù)的出現(xiàn)從很多方面為上述問題提供了解決辦法。因此將人工智能技術(shù)與傳統(tǒng)建筑業(yè)相結(jié)合，發(fā)展信息化建設(shè)是未來建造業(yè)的重要發(fā)展方向。在施工過程管理方面，已有研究人員使用梯度直方圖監(jiān)測施工防護柵欄的布置缺陷[4]?；蚴褂脠D像識別技術(shù)與現(xiàn)場監(jiān)測技術(shù)結(jié)合對建筑工人的不安全行為進行實時監(jiān)測與糾正。在施工質(zhì)量管理方面，已有研究利用圖像識別技術(shù)結(jié)合無人機的航拍功能對建筑自身的施工缺陷進行實時監(jiān)測。但是針對施工現(xiàn)場的復(fù)雜作業(yè)環(huán)境，在施工要素與先進技術(shù)相結(jié)合方面仍需進一步改進。1?工程概況及技術(shù)要點1.1?工程概況激光小鎮(zhèn)孵化器項目坐落于江蘇省宿遷市宿城經(jīng)濟開發(fā)區(qū)，總建筑面積152?811.62?m2，總用地面積695?121?m2，1號樓地下1層，地上10層；2號、3號、6號、7號、8號、9號、10號樓地下1層，地上5層，其中2號、6號、9號、10號附屬樓地下1層，地上2層；4、5號樓地下1層，地上12層；11號地下1層，地上3層；12號地下1層，地上2層。垃圾站地上1層。1.2?技術(shù)重點和難點（1）1號、4號、5號樓為高層鋼結(jié)構(gòu)，其中1號樓為雙子樓中間10層–屋面層空中整體連接，跨度為26?m，高度40.5?m，鋼結(jié)構(gòu)高空整體連接施工安裝、施工質(zhì)量難度大。施工前編制專項施工方案、應(yīng)急預(yù)案，按方案組織實施，及時發(fā)現(xiàn)并解決各類問題。（2）本項目建筑施工體量大，建設(shè)整體建筑周期短，同時施工現(xiàn)場存在大型設(shè)備同時工作。人員協(xié)調(diào)和設(shè)備管理復(fù)雜繁多。因此需要集成上述多重要素管理的系統(tǒng)進行統(tǒng)籌管理。（3）本項目參建單位眾多，施工過程中涉及多方單位協(xié)同工作。傳統(tǒng)的管理方式難以滿足現(xiàn)場施工的要求，需要建立綜合性的管控平臺，實現(xiàn)多方人員的信息交流和信息共享。2?數(shù)據(jù)采集與傳輸2.1?智能化數(shù)據(jù)采集設(shè)備建造業(yè)中的物理空間包含了一個復(fù)雜、動態(tài)的建造環(huán)境。建造過程中產(chǎn)生的多源異構(gòu)數(shù)據(jù)可以劃分為施工人員數(shù)據(jù)、設(shè)備數(shù)據(jù)、物料數(shù)據(jù)、工法數(shù)據(jù)、環(huán)境數(shù)據(jù)等5種類別，如圖1所示。圖1?多源異構(gòu)數(shù)據(jù)5種類別為實現(xiàn)“虛實溝通”所建立的通信橋梁，應(yīng)具備數(shù)據(jù)感知、數(shù)據(jù)處理和數(shù)據(jù)傳輸功能。數(shù)據(jù)感知是指通過安裝在對象上的不同類型傳感器進行狀態(tài)感知，如構(gòu)件姿態(tài)數(shù)據(jù)、人員定位、環(huán)境數(shù)據(jù)、溫度、受力狀態(tài)等。上述數(shù)據(jù)屬于動態(tài)多源異構(gòu)數(shù)據(jù)。獨立的數(shù)據(jù)轉(zhuǎn)化系統(tǒng)轉(zhuǎn)化效率較低，因此在數(shù)據(jù)處理階段利用Hadoop、Apache、Spark等數(shù)據(jù)處理軟件將數(shù)據(jù)轉(zhuǎn)化為機器可讀形式。在數(shù)據(jù)傳輸階段數(shù)據(jù)將按照基于OSI模型的通信協(xié)議中規(guī)定的標準進行編碼。上述數(shù)據(jù)收集與傳輸方式實現(xiàn)多源異構(gòu)數(shù)據(jù)的統(tǒng)一轉(zhuǎn)換和傳輸，為虛擬空間提供了準確、實時的建造活動數(shù)據(jù)。施工現(xiàn)場使用的硬件如圖2所示。圖2?施工現(xiàn)場中的通信傳輸硬件2.2?質(zhì)量數(shù)據(jù)的采集方式在建筑物施工過程中的質(zhì)量數(shù)據(jù)采集應(yīng)根據(jù)建筑物類型以及需求數(shù)據(jù)類型的變化而變化。本研究的建筑物類型是鋼結(jié)構(gòu)建筑物。鋼結(jié)構(gòu)建筑具有構(gòu)件生產(chǎn)批量大、建造周期短、構(gòu)件制造安裝工業(yè)化程度高等特點。上述特點表明鋼結(jié)構(gòu)建筑物在施工過程中可以按照進度邏輯關(guān)系劃分施工單元和工序。在確定了施工單元和工序之后，根據(jù)質(zhì)量規(guī)范設(shè)置關(guān)鍵質(zhì)量控制點。其中在每個關(guān)鍵質(zhì)量控制點都有對應(yīng)的工藝操作指南，提供施工引導(dǎo)操作以及質(zhì)量數(shù)據(jù)收集工作。在采集過程中可通過智能設(shè)備、傳感器等硬件進行數(shù)據(jù)采集，通過Wi-Fi、Bluetooth等傳輸方式構(gòu)建傳輸網(wǎng)絡(luò)。在數(shù)據(jù)傳輸階段數(shù)據(jù)將按照基于OSI模型的通信協(xié)議中規(guī)定的標準進行編碼，形成通用數(shù)據(jù)。在數(shù)據(jù)處理階段利用Hadoop、Apache、Spark等數(shù)據(jù)處理軟件將數(shù)據(jù)轉(zhuǎn)化為機器可讀形式。在實際工程中，由于項目成本以及采集設(shè)備的局限性，部分質(zhì)量數(shù)據(jù)采用人工采集的方式，主要依靠現(xiàn)場工人實施。在建筑施工過程中，用于質(zhì)量管理的數(shù)據(jù)分為數(shù)值型數(shù)據(jù)以及標稱型數(shù)據(jù)。數(shù)值型數(shù)據(jù)是指所采集數(shù)據(jù)結(jié)果為數(shù)量并進行數(shù)值運算的數(shù)據(jù)類型。標稱型數(shù)據(jù)是指所采集數(shù)據(jù)結(jié)果為“是”“否”兩種形式的數(shù)據(jù)。對于數(shù)據(jù)采集的頻率取決于質(zhì)量管理的需求以及采集設(shè)備的能力，實現(xiàn)對施工過程中質(zhì)量數(shù)據(jù)的精準、全面采集，從而為后續(xù)的質(zhì)量數(shù)據(jù)分析提供足夠的數(shù)據(jù)基礎(chǔ)。施工過程中的數(shù)據(jù)采集方式如圖3所示。圖3?數(shù)據(jù)采集方式3?質(zhì)量識別系統(tǒng)開發(fā)與應(yīng)用3.1?施工現(xiàn)場智能化質(zhì)量識別的必要性分析在施工過程中，質(zhì)量管理是貫穿整個施工周期的重要任務(wù)，但是外部與內(nèi)部因素的影響導(dǎo)致管理工作難以做到盡善盡美。質(zhì)量問題的發(fā)生也是造成建筑物總體進度拖延和成本增加的重要因素之一。在鋼結(jié)構(gòu)建設(shè)項目中，由于多項任務(wù)同步進行、設(shè)備多數(shù)為場外租賃、構(gòu)件材料質(zhì)量不一等現(xiàn)狀，加大了施工質(zhì)量管理的復(fù)雜性。通過對此項目中影響鋼結(jié)構(gòu)建筑的質(zhì)量問題發(fā)生因素進行調(diào)研，發(fā)現(xiàn)對質(zhì)量管理系統(tǒng)的主要需求及難點如下。（1）鋼結(jié)構(gòu)施工周期較短，涉及施工設(shè)備較多，構(gòu)件種類較反復(fù)，易發(fā)生施工技術(shù)操作資質(zhì)不足、工人違規(guī)施工的情況，造成潛在質(zhì)量隱患。（2）施工現(xiàn)場環(huán)境情況復(fù)雜，施工人員流動性強，管理人員難以及時掌握施工作業(yè)隊伍的準確位置信息，且施工過程的日常管理過度依賴紙質(zhì)記錄，難以對工人的操作和施工完成后的質(zhì)量進行嚴格的規(guī)范。因此，施工作業(yè)需要全面、快速的質(zhì)量檢查功能。但在實際工程中管理人員精力有限，無法對施工質(zhì)量進行持續(xù)有效地監(jiān)管。（3）材料進場時間不一，堆積材料易受環(huán)境影響，造成損傷，施工計劃落實難。因此，需要通過優(yōu)化算法指定更合理的施工場地布置和場地規(guī)劃方案。管理人員難以及時有效地掌握質(zhì)量缺陷發(fā)生的部位以及根據(jù)質(zhì)量問題進行補救方案。3.2?質(zhì)量智能化識別3.2.1?材料進場時的管理（1）相比傳統(tǒng)的建造形式，結(jié)構(gòu)材料運輸?shù)浆F(xiàn)場就使用的情況，鋼結(jié)構(gòu)建筑中涉及的建筑原材多需要經(jīng)過工廠加工后，在施工現(xiàn)場儲存一段時間再進行施工。在整個過程中，材料質(zhì)量已受到環(huán)境影響，造成材料腐蝕、變形等問題。管理人員需要對放置的材料進行定期質(zhì)量檢查，動態(tài)同步構(gòu)件信息，對問題構(gòu)件進行追蹤溯源。另外，由于場地條件的限制，大型鋼材需要根據(jù)施工進度進行合理安置。（2）在鋼結(jié)構(gòu)建設(shè)過程中，除了需要大量加工合格后的完整鋼材外，還需要許多細小的構(gòu)件，如高強度螺栓、鋼板、鋼管等。但是受市場貨源、送貨成本以及加工數(shù)量的限制，零部件很難滿足現(xiàn)場的需要及時到場。因此對于鋼結(jié)構(gòu)的零部件應(yīng)當做到分批質(zhì)量檢測，同時應(yīng)選定合適的儲存地點對部件進行收納。不同批次的零部件應(yīng)有獨立的出廠合格證明。3.2.2?施工人員的操作培訓（1）制作施工動畫。通過BIM模型的建立，獲取相關(guān)構(gòu)件的模型和信息。然后通過Navisworks制作施工動畫。在施工動畫制作過程中，除了要保證構(gòu)件模型符合現(xiàn)場施工場景外，還應(yīng)確保施工順序的準確性。（2）將虛擬現(xiàn)實設(shè)備分發(fā)給施工人員。工人通過虛擬現(xiàn)實設(shè)備拍攝記錄節(jié)點施工圖像。在施工過程中可實時記錄，記錄數(shù)據(jù)可以采用照片或視頻的格式。通過對實驗過程中工人操作行為的記錄，可以針對不同的工人適配更加合理的指導(dǎo)方案。實驗中形成的指導(dǎo)方案將收集于數(shù)據(jù)庫中，為相同施工部分提供指導(dǎo)。（3）管理人員對拼裝結(jié)果進行評審。管理人員在施工現(xiàn)場對施工工人的操作進行質(zhì)量檢查，排除施工問題。在交流過程中專家將會保存施工缺陷部分作為質(zhì)量檢查結(jié)果的依據(jù)。3.2.3?安裝部位完成后的質(zhì)量檢查在上述步驟中已對材料本身的屬性進行了質(zhì)量識別和控制，同時對工人進行了智能化的操作工藝指導(dǎo)，因此，此階段的研究重點是對施工完成后的質(zhì)量進行識別檢查。（1）圖像數(shù)據(jù)采集。在鋼結(jié)構(gòu)節(jié)點安裝完成后，施工人員將構(gòu)造部分在指定角度下進行圖像拍攝，通過手機對施工圖像進行采集。（2）圖像預(yù)處理。在圖像數(shù)據(jù)采集過程中由于工人以及施工部位的差異，所收集到的圖像數(shù)據(jù)不完全相同，因此需要利用Radon等變換方法對圖片的角度、位移等問題進行矯正。如果圖片質(zhì)量不符合要求，需要再次收集數(shù)據(jù)；如果圖片質(zhì)量符合要求，則將圖片納入質(zhì)量管理數(shù)據(jù)庫，同時開始對圖片進行處理，進行質(zhì)量檢測。校正后的圖片需要根據(jù)需求進行灰度變化或采用濾波法對圖片進行處理，以獲得更高質(zhì)量的細部構(gòu)造圖像。（3）數(shù)據(jù)庫建立。識別系統(tǒng)的建立需要以大量現(xiàn)場圖片為基礎(chǔ)。以4∶1的比例構(gòu)建質(zhì)量合格數(shù)據(jù)與質(zhì)量不合格數(shù)據(jù)。（4）質(zhì)量識別。首先通過現(xiàn)場存在的攝像頭對所需檢查部位進行數(shù)據(jù)收集，對檢查部位應(yīng)用邊緣算法得到完善清晰的圖像，然后從x軸和y軸方向?qū)D像進行投影，實現(xiàn)定位。通過分割算法對細部質(zhì)量控制部位進行分割，進一步的精細化處理。最后通過與質(zhì)量合格圖像進行匹配，計算相關(guān)系數(shù)，將系數(shù)與預(yù)定閾值進行比對判定質(zhì)量是否合格。質(zhì)量識別整體流程如圖4所示。圖4?質(zhì)量識別整體流程3.3?質(zhì)量識別系統(tǒng)的應(yīng)用3.3.1?使用環(huán)境質(zhì)量識別系統(tǒng)的建立需要依賴良好的硬件配置，見表1。同時建立質(zhì)量識別系統(tǒng)的軟件環(huán)境，見表2。表1?硬件配置表2?軟件環(huán)境3.3.2?使用流程進入界面有3個按鈕，分別是input、output、detect。點擊input出現(xiàn)輸入文件夾，將待測圖片放入文件夾，點擊detect進行檢測，點擊output查看檢測結(jié)果。對于檢測不合格的圖片，標注不合格部位并顯示unqualified字樣，對于檢測合格的圖片無標注。3.3.3?應(yīng)用技術(shù)本設(shè)計運用深度學習目標檢測、計算機圖像處理等技術(shù)，采用Python語言，使用Pytorch、Opencv等框架進行設(shè)計。其工作原理如下：首先讀取輸入文件夾中的圖片或視頻文件，進行圖像預(yù)處理；然后導(dǎo)入深度學習神經(jīng)網(wǎng)絡(luò)進行特征提取、分類；最后根據(jù)分類結(jié)果及各指標設(shè)計算法，判斷圖片是否合格。根據(jù)提供的75個不合格數(shù)據(jù)、125個合格數(shù)據(jù)進行精度測試。在不合格圖片測試中68個檢測為不合格、7個檢測為合格，精度為90.7?%。在合格圖片測試中23個檢測為不合格，102個檢測為合格，精度為81.6?%。算法的綜合檢測精度為85?%。4?結(jié)束語隨著國家綜合實力的增長與信息化技術(shù)的發(fā)展，越來越多的行業(yè)向高度無人化、智能化的方向轉(zhuǎn)變。建筑業(yè)由于信息獲取難度大、人工參與率高、信息化程度低等問題，難以直接應(yīng)用成熟的先進技術(shù)對傳統(tǒng)模式進行改造。傳統(tǒng)建筑業(yè)由于管理方式與方法的落后，一直難以及時發(fā)現(xiàn)和處理質(zhì)量缺陷問題。為解決上述問題，提供了一套更加智能化的解決辦法，建立了一套面向施工過程的質(zhì)量數(shù)據(jù)收集體系和質(zhì)量識別系統(tǒng)。此體系尚處于研究階段，本研究雖然初步驗證了該方法的可行性和有效性，但仍需要更多的研究與實踐應(yīng)用，完