一种建筑施工质量评价方法及系统与流程

1.本技术属于建筑施工的技术领域，尤其涉及一种建筑施工质量评价方法及系统。


背景技术：

2.目前，在现代工程建设中，智能化的运用越来越得到广泛应用，其精度和效率对于工程建设的成功与否有着至关重要的作用。但是在施工质量评估上仍然存在诸多问题，例如如何提高自动化质量评估的准确度和效率。以承重梁裂缝探测为例，通常需要借助专业的探测工具，例如超声波探伤仪器，甚至高成本的x射线探测仪，其检测准确度虽然很高，但是成本高昂、效率不高。


技术实现要素：

3.有鉴于此，本技术实施例提供了一种建筑施工质量评价方法及系统，以解决现有自动化质量评估成本高、效率低的问题。
4.本技术实施例的第一方面提供了一种建筑施工质量评价方法，包括以下步骤：
5.a、通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；
6.b、通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
7.c、将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
8.d、基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。
9.进一步地，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析，具体为：
10.d1、根据裂缝形态以及裂缝深度计算风险预警值；
11.d2、判断是否有单个裂缝存在风险。
12.进一步地，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：
13.d3、获取承重梁的应力集中点；
14.d4、根据应力集中点与所有裂缝位置的距离计算对应的权重值；
15.d5、根据所有裂缝位置的权重值与风险预警值计算该应力集中点的风险预警值；
16.d6、执行步骤d4－d5直至完成所有应力集中点的风险预警值计算。
17.进一步地，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：
18.d7、根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值。
19.进一步地，所述根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值，具体为：
20.存在风险的单个裂缝的风险预警值乘以第一系数加上所有应力集中点的风险预
警值乘以第二系数得到施工质量风险值。
21.进一步地，所述第一系数大于第二系数。
22.进一步地，所述预测模型cnn-lstm回归预测模型。
23.进一步地，所述通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态，具体为：
24.b1、通过图像识别定位承重梁画面图像中的裂缝位置；
25.b2、获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定的阈值，则忽略该裂缝数据。
26.本技术实施例的第二方面提供了一种建筑施工质量评价系统，包括有：
27.视频采集单元，用于沿着承重梁长度方向拍摄承重梁画面图像；
28.图像识别单元，用于通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
29.深度预测模型，用于将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
30.质量分析单元，用于基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。
31.本技术实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述一种建筑施工质量评价方法的步骤。
32.本技术实施例与现有技术相比存在的有益效果是：通过本发明所提供的方法和系统，实现对建筑施工现场数据的大批量采集，大幅提升采集速度；同时利用图像分析实现对裂缝的深度测量，无需专业检测设备参与；同时结合承重梁应力集中点位置计算得到施工质量数值，计算速度快，可实现完全自动化处理。
附图说明
33.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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它的附图。
34.图1示出了本技术提供的一种建筑施工质量评价方法的示意性流程图；
35.图2示出了本技术提供的一种建筑施工质量评价方法中步骤d的具体示意性流程图；
36.图3示出了本技术提供的一种建筑施工质量评价方法中步骤b的具体示意性流程图；
37.图4示出了本技术提供的一种建筑施工质量评价系统的示意性架构图。
具体实施方式
38.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电
路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
39.有鉴于此，本技术第一具体实施例提供了一种建筑施工质量评价方法，参照图1，包括以下步骤：
40.a、通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；
41.常规方案中，例如采用超声波探伤仪器时，需要定位裂缝并停留在裂缝处进行检测；本方案中通过视频采集设备连续采集承重梁画面图像，无需在采集过程中停顿，而且可以一边采集一边上传至云端服务器的方式进行实时并行处理，处理效率高。
42.b、通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
43.裂缝形态通常包含了裂缝的宽度、长度等尺寸信息、裂缝生长方向信息，一定程度上能反映裂缝的整体情况。
44.c、将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
45.裂缝的宽度、长度等尺寸信息、裂缝生长方向信息通常与裂缝深度具有强相关性，因此即使视频在光线受限的情况下无法拍摄出裂缝深度方向的数据，通过模型预测仍可得到裂缝深度的预测估计值，所述预测模型采用cnn-lstm回归预测模型。
46.d、基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析；
47.实际建筑施工评价中，通常需要对裂缝的健康度进行评估，因此本实施例中基于裂缝形态以及裂缝深度进行施工质量分析；同时，由于裂缝之间也可能存在相互作用力，例如裂缝密集区域也可能存在一定的施工质量问题，因此本实施例中还基于相邻裂缝之间的距离进行施工质量分析。
48.进一步地，参照图2，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析，具体为：
49.d1、根据裂缝形态以及裂缝深度计算风险预警值ri；
50.d2、判断是否有单个裂缝存在风险；
51.当单个裂缝存在风险时，通常表明单个裂缝的长度、宽度或者深度已经对施工的整体质量造成影响，工程质量可能存在较大风险。
52.进一步地，参照图2，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：
53.d3、获取承重梁的应力集中点；
54.当单个裂缝的长度、宽度或者深度不足以对施工的整体质量造成影响，但是距离承重梁的应力集中点时，应当在质量评价时重点考虑该点裂缝对施工的整体质量造成影响。
55.d4、根据应力集中点与所有裂缝位置的距离计算对应的权重值k
di
；
56.裂缝位置与应力集中点的距离越近，则相应的权重值越大。
57.d5、根据所有裂缝位置的权重值与风险预警值计算该应力集中点的风险预警值r；
[0058][0059]
d6、执行步骤d4－d5直至完成所有应力集中点的风险预警值计算。
[0060]
进一步地，参照图2，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：
[0061]
d7、根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值。
[0062]
进一步地，所述根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值，具体为：
[0063]
存在风险的单个裂缝的风险预警值乘以第一系数加上所有应力集中点的风险预警值乘以第二系数得到施工质量风险值。
[0064]
进一步地，所述第一系数大于第二系数，因为当单个裂缝存在风险时，通常表明已经对施工的整体质量造成影响，其风险程度大于多个小尺寸的裂缝的风险。
[0065]
本技术第二具体实施例提供了一种建筑施工质量评价方法，参照图1，包括以下步骤：
[0066]
a、通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；
[0067]
常规方案中，例如采用超声波探伤仪器时，需要定位裂缝并停留在裂缝处进行检测；本方案中通过视频采集设备连续采集承重梁画面图像，无需在采集过程中停顿，而且可以一边采集一边上传至云端服务器的方式进行实时并行处理，处理效率高。
[0068]
b、通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
[0069]
裂缝形态通常包含了裂缝的宽度、长度等尺寸信息、裂缝生长方向信息，一定程度上能反映裂缝的整体情况。
[0070]
c、将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
[0071]
裂缝的宽度、长度等尺寸信息、裂缝生长方向信息通常与裂缝深度具有强相关性，因此即使视频在光线受限的情况下无法拍摄出裂缝深度方向的数据，通过模型预测仍可得到裂缝深度的预测估计值，所述预测模型采用cnn-lstm回归预测模型。
[0072]
d、基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析；
[0073]
实际建筑施工评价中，通常需要对裂缝的健康度进行评估，因此本实施例中基于裂缝形态以及裂缝深度进行施工质量分析；同时，由于裂缝之间也可能存在相互作用力，例如裂缝密集区域也可能存在一定的施工质量问题，因此本实施例中还基于相邻裂缝之间的距离进行施工质量分析。
[0074]
进一步地，参照图3，所述通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态，具体为：
[0075]
b1、通过图像识别定位承重梁画面图像中的裂缝位置；
[0076]
b2、获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定阈值，则忽略该裂缝数据。
[0077]
进一步地，所述获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定阈值，则忽略该裂缝数据，具体为：
[0078]
b21、获取承重梁画面图像中的裂缝形状；
[0079]
b22、根据裂缝位置确定该裂缝对应的动态阈值；
[0080]
b23、当裂缝宽度和长度均小于设定的动态阈值时，忽略该裂缝数据。
[0081]
进一步地，所述根据裂缝位置确定该裂缝对应的动态阈值，具体为：
[0082]
b221、根据裂缝位置确定该裂缝距离端点的距离；
[0083]
b222、根据该裂缝距离端点的距离调整动态阈值，距离越小则阈值越大。
[0084]
进一步地，所述根据裂缝位置确定该裂缝对应的动态阈值，还包括：
[0085]
b223、获取承重梁的应力集中点；
[0086]
b224、根据裂缝位置确定该裂缝距离应力集中点的距离；
[0087]
b225、根据该裂缝距离应力集中点的距离调整动态阈值，距离越小则阈值越小。
[0088]
进一步地，参照图2，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析，具体为：
[0089]
d1、根据裂缝形态以及裂缝深度计算风险预警值ri；
[0090]
d2、判断是否有单个裂缝存在风险；
[0091]
当单个裂缝存在风险时，通常表明单个裂缝的长度、宽度或者深度已经对施工的整体质量造成影响，工程质量可能存在较大风险。
[0092]
d3、获取承重梁的应力集中点；
[0093]
当单个裂缝的长度、宽度或者深度不足以对施工的整体质量造成影响，但是距离承重梁的应力集中点时，应当在质量评价时重点考虑该点裂缝对施工的整体质量造成影响。
[0094]
d4、根据应力集中点与所有裂缝位置的距离计算对应的权重值k
di
；
[0095]
裂缝位置与应力集中点的距离越近，则相应的权重值越大。
[0096]
d5、根据所有裂缝位置的权重值与风险预警值计算该应力集中点的风险预警值r；
[0097][0098]
d6、执行步骤d4－d5直至完成所有应力集中点的风险预警值计算；
[0099]
d7、根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值。
[0100]
进一步地，所述根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值，具体为：
[0101]
存在风险的单个裂缝的风险预警值乘以第一系数加上所有应力集中点的风险预警值乘以第二系数得到施工质量风险值。
[0102]
进一步地，所述第一系数大于第二系数，因为当单个裂缝存在风险时，通常表明已经对施工的整体质量造成影响，其风险程度大于多个小尺寸的裂缝的风险。
[0103]
本技术第三具体实施例提供了一种建筑施工质量评价方法，参照图1，包括以下步骤：
[0104]
a、通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；
[0105]
常规方案中，例如采用超声波探伤仪器时，需要定位裂缝并停留在裂缝处进行检测；本方案中通过视频采集设备连续采集承重梁画面图像，无需在采集过程中停顿，而且可以一边采集一边上传至云端服务器的方式进行实时并行处理，处理效率高。
[0106]
b、通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
[0107]
裂缝形态通常包含了裂缝的宽度、长度等尺寸信息、裂缝生长方向信息，一定程度上能反映裂缝的整体情况。
[0108]
c、将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
[0109]
裂缝的宽度、长度等尺寸信息、裂缝生长方向信息通常与裂缝深度具有强相关性，因此即使视频在光线受限的情况下无法拍摄出裂缝深度方向的数据，通过模型预测仍可得到裂缝深度的预测估计值，所述预测模型采用cnn-lstm回归预测模型。
[0110]
d、基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行预警分析；
[0111]
实际建筑施工评价中，通常需要对裂缝的健康度进行评估，因此本实施例中基于裂缝形态以及裂缝深度进行施工质量分析；同时，由于裂缝之间也可能存在相互作用力，例如裂缝密集区域也可能存在一定的施工质量问题，因此本实施例中还基于相邻裂缝之间的距离进行施工质量分析。
[0112]
进一步地，参照图3，所述通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态，具体为：
[0113]
b1、通过图像识别定位承重梁画面图像中的裂缝位置；
[0114]
b2、获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定阈值，则忽略该裂缝数据。
[0115]
进一步地，所述获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定阈值，则忽略该裂缝数据，具体为：
[0116]
b21、获取承重梁画面图像中的裂缝形状；
[0117]
b22、根据裂缝位置确定该裂缝对应的动态阈值；
[0118]
b23、当裂缝宽度和长度均小于设定的动态阈值时，忽略该裂缝数据。
[0119]
进一步地，所述根据裂缝位置确定该裂缝对应的动态阈值，具体为：
[0120]
b226、获取承重梁的应力集中点；
[0121]
b227、根据裂缝位置确定该裂缝距离端点的第一距离以及该裂缝距离应力集中点的第二距离；
[0122]
b228、根据第一距离和第二距离调整动态阈值。
[0123]
进一步地，所述第一距离与动态阈值负相关，所述第二距离与动态阈值正相关。
[0124]
进一步地，参照图2，所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析，具体为：
[0125]
d1、根据裂缝形态以及裂缝深度计算风险预警值ri；
[0126]
d2、判断是否有单个裂缝存在风险；
[0127]
当单个裂缝存在风险时，通常表明单个裂缝的长度、宽度或者深度已经对施工的整体质量造成影响，工程质量可能存在较大风险。
[0128]
d3、获取承重梁的应力集中点；
[0129]
当单个裂缝的长度、宽度或者深度不足以对施工的整体质量造成影响，但是距离承重梁的应力集中点时，应当在质量评价时重点考虑该点裂缝对施工的整体质量造成影响。
[0130]
d4、根据应力集中点与所有裂缝位置的距离计算对应的权重值k
di
；
[0131]
裂缝位置与应力集中点的距离越近，则相应的权重值越大。
[0132]
d5、根据所有裂缝位置的权重值与风险预警值计算该应力集中点的风险预警值r；
[0133][0134]
d6、执行步骤d4－d5直至完成所有应力集中点的风险预警值计算；
[0135]
d7、根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值。
[0136]
进一步地，所述根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值，具体为：
[0137]
存在风险的单个裂缝的风险预警值乘以第一系数加上所有应力集中点的风险预警值乘以第二系数得到施工质量风险值。
[0138]
进一步地，所述第一系数大于第二系数，因为当单个裂缝存在风险时，通常表明已经对施工的整体质量造成影响，其风险程度大于多个小尺寸的裂缝的风险。
[0139]
本技术实施例的第四方面提供了一种建筑施工质量评价系统，参照图4，包括有：
[0140]
视频采集单元，用于沿着承重梁长度方向拍摄承重梁画面图像；
[0141]
图像识别单元，用于通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
[0142]
深度预测模型，用于将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；
[0143]
质量分析单元，用于基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。
[0144]
本技术实施例的第五方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种建筑施工质量评价方法的步骤。
[0145]
所述计算机可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0146]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0147]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0148]
本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0149]
所述集成的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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0150]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种建筑施工质量评价方法，其特征在于，包括以下步骤：a、通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；b、通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；c、将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；d、基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。2.如权利要求1所述的一种建筑施工质量评价方法，其特征在于：所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析，具体为：d1、根据裂缝形态以及裂缝深度计算风险预警值；d2、判断是否有单个裂缝存在风险。3.如权利要求2所述的一种建筑施工质量评价方法，其特征在于：所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：d3、获取承重梁的应力集中点；d4、根据应力集中点与所有裂缝位置的距离计算对应的权重值；d5、根据所有裂缝位置的权重值与风险预警值计算该应力集中点的风险预警值；d6、执行步骤d4－d5直至完成所有应力集中点的风险预警值计算。4.如权利要求3所述的一种建筑施工质量评价方法，其特征在于：所述基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析这一步骤，还包括：d7、根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值。5.如权利要求4所述的建筑施工质量评价方法，其特征在于：所述根据存在风险的单个裂缝的风险预警值以及所有应力集中点的风险预警值得到施工质量风险值，具体为：存在风险的单个裂缝的风险预警值乘以第一系数加上所有应力集中点的风险预警值乘以第二系数得到施工质量风险值。6.如权利要求5所述的一种建筑施工质量评价方法，其特征在于：所述第一系数大于第二系数。7.如权利要求1所述的一种建筑施工质量评价方法，其特征在于，所述预测模型cnn-lstm回归预测模型。8.如权利要求1所述的一种建筑施工质量评价方法，其特征在于，所述通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态，具体为：b1、通过图像识别定位承重梁画面图像中的裂缝位置；b2、获取承重梁画面图像中的裂缝形状，若裂缝宽度和长度均小于设定的阈值，则忽略该裂缝数据。9.一种建筑施工质量评价系统，其特征在于，包括有：视频采集单元，用于沿着承重梁长度方向拍摄承重梁画面图像；图像识别单元，用于通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；
深度预测模型，用于将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；质量分析单元，用于基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。

技术总结
本申请提供了一种建筑施工质量评价方法及系统，其方法包括以下步骤：通过视频采集设备沿着承重梁长度方向拍摄承重梁画面图像；通过图像识别定位承重梁画面图像中的裂缝位置、裂缝形态；将裂缝位置、裂缝形态输入至预测模型得到裂缝深度预测数据；基于承重梁画面图像中的裂缝与承重梁应力集中点之间的距离、裂缝形态以及裂缝深度进行施工质量分析。上述方案通过本发明所提供的方法和系统，实现对建筑施工现场数据的大批量采集，大幅提升采集速度；同时利用图像分析实现对裂缝的深度测量，无需专业检测设备参与；同时结合承重梁应力集中点位置计算得到施工质量数值，计算速度快，可实现完全自动化处理。现完全自动化处理。现完全自动化处理。


技术研发人员：何明理 沈玉 梁江华 林金城 崔李金
受保护的技术使用者：广东永和建设集团有限公司
技术研发日：2023.06.20
技术公布日：2023/9/13