基于計算機視覺的智能化建造技術研究與應用

房霆宸楊佳林賀洪煜

1. 上海建工集團股份有限公司 上海 200080；2. 同濟大學土木工程學院 上海 200092；3. 上海超高層建筑智能建造工程技術研究中心 上海 200080

改革開放以來，隨著我國社會科技的快速發展與進步，人工智能、機器智能等智能化技術逐步進入人們的日常工作和生活，并在各行各業中逐步得到推廣應用。作為人工智能、機器智能領域的重要內容，計算機視覺技術也越來越引起大家的重視。

計算機視覺是指采用計算機或電子設備終端，通過數字化的方法取代人眼，對目標對象進行識別、測量等，使之成為更適合人觀察和設備檢測的影像形式[1]。目前，計算機視覺是人工智能最重要與最活躍的研究領域，其核心內容主要包含圖像識別、視頻識別兩大研究方向。機器視覺能力已經在大量單項視覺任務中超過人類視覺精度水平[2-3]。

近年來，計算機視覺在我國社會發展的各個領域中都得到了廣泛的應用，給相關行業的發展也帶來很多新的發展機遇和驚喜，如何在建筑工程領域中研究、應用和發展計算機視覺技術已成為業內研究和關注的熱點。

1 計算機視覺應用進展

目前，在建筑工程領域中，計算機視覺技術的應用主要集中在通過攝像頭或圖像采集的相關裝置，動態采集現狀人、機、物的影像，針對建筑本體以及建筑本體以外的人員、機械、物料、環境風險要素進行監控。計算機視覺的應用對于提高建筑工程的項目管理和施工質量具有很好的輔助作用。

如何通過借鑒計算機視覺在公共安全、智慧醫療、公共交通以及工業、農業、服務業等相關領域的應用，進一步深入推廣計算機視覺技術，已成為建筑領域從業人員亟待思考和解決的問題。

在公共安全領域中，計算機視覺主要應用在動態人臉識別和圖像識別方面，服務于地鐵機場、行政部門、公安部門和公共管理部門[4-6]。在安防領域，計算機技術能夠自動識別出可疑人物和異常行為，并及時反饋給相關安全管理部門進行安全處置。通過借鑒計算機視覺在公共安全領域的應用，通過對施工現場作業人員生理、心理狀態進行采集，有利于判斷施工人員的安全狀態，加強人員管理。

在公共交通領域中，計算機視覺主要應用在車輛檢測與感知、公共交通路口感知、重要路段感知、停車場感知、車輛身份識別與對比、無人駕駛和汽車輔助駕駛6個方面。

計算機視覺在公共交通領域的廣泛應用大大提升智能交通系統的感知精度與維度，讓智能交通系統更加智慧。通過借鑒計算機視覺在公共交通領域的應用，對施工現場作業機械、設備的狀態進行采集，有利于加強施工現場大型機械設備以及運輸交通工具的管理。

在醫療領域中，計算機視覺技術主要應用在病變檢測、病理圖像分割、病理圖像配準、病理圖像建模與仿真等場景中，通過計算機視覺技術可實現多學科理論交叉融合，提升現代臨床醫療水平[7]。通過借鑒計算機視覺在醫療領域的應用，可以對混凝土結構裂縫、鋼結構焊縫進行無損影像檢測，將大幅提高檢測效率。

在工業、農業、服務業等領域中，計算機視覺同樣有著廣泛的應用：在工業領域中主要應用于工業產品外觀、缺陷、質量等要素的檢測，在農業領域中主要應用于農產品品質檢測、作物識別與分級、病蟲害的探測與防治等方面，在服務業領域中主要應用于智慧教育和智慧社區等方面。

通過借鑒計算機視覺在工業、農業領域的應用，對預制構件的加工及檢測、木結構的無損檢測等都具有很強的借鑒意義。計算機視覺在服務業領域的應用，對項目管理、現場物流管理等具有很好的指導作用，有利于加強對施工現場的項目管理。

2 計算機視覺研究與應用存在的問題

目前，關于計算機視覺在建筑工程領域的研究與應用，主要存在檢測結果受光照影響大、先驗知識難以演化算法、樣本數據難以深度學習等問題。關于檢測結果受光照影響大的問題，不同的工程對象需要在不同的施工環境中進行作業，在施工過程中的采光要求各異，而采用計算機視覺檢測時，對檢測產品的光源設備和產品識別率有嚴苛的要求，因此在施工現場環境中如何控制光照均勻性是目前一大關鍵問題。

關于先驗知識難以演化算法問題，基于數據的方法是計算機視覺在建筑工程領域應用的關鍵，但由于建筑工程是一個多學科、多工種交叉的復雜領域，場景應用也復雜，故在實際操作過程中要取得廣泛的樣本數據較為困難，需要通過采用先驗知識的方法并對樣本進行訓練，以提高模型識別準確性，增大預測準確率。但現階段，基于先驗知識演化和具體施工場景應用，融入機器學習和深度學習等算法是目前需要解決的關鍵問題之一。關于樣本數據難以深度學習的問題，如施工工序作業時，在線采集和樣本擺拍的離線采集是常用的樣本圖像數據獲取方法，但該方法也存在兩點缺陷：樣本類別按合格率分布，缺陷品與合格品樣本分布均衡性差；施工現場光照環境導致樣本產品圖像質量參差不齊，會干擾訓練的效果。樣本數據量小、不平衡已成為目前難以支撐深度學習的關鍵問題。

3 結語

計算機視覺技術在建筑工程領域的應用與發展趨勢主要體現在多元復合監測數據融合、多場景時空效應視覺感知、跨學科多專業融合、基于大數據和智能算法的自動識別處理4個方面。

1）多元復合監測數據融合。目前，計算機視覺的輸入方式主要是在可見光波長范圍內捕捉到圖像信息。在建筑工程領域應用集成融合的多種類型傳感設備信息的計算機視覺算法，將是未來計算機視覺技術的主要研究方向。今后，以熱成像、結構光成像等技術為代表的計算成像方法可有效提升建筑工程領域應用計算機視覺輸入數據的維度和廣度，多元復合監測數據融合將成為發展趨勢，數據的融合也將使得建筑工程應用場景的感知更為精準。

2）多場景時空效應視覺感知。在建筑工程領域中應用計算機視覺技術時，往往會產生多種時間感知任務或場景應用同時進行的現象。比如在基于計算機視覺的智能巡檢機器人應用場景中，物體識別、路徑規劃以及行為預測等任務通常需要同時完成。在目標任務中導入數據，基于多場景時空效應視覺感知理念，如何高效、準確地完成多個視覺任務，是未來計算機視覺發展的重要趨勢之一。

3）跨學科多專業融合。建筑工程是一個涉及多種學科交叉融合的領域，故多學科交叉融合對于計算機視覺技術在建筑工程領域中的應用和發展具有重要作用。比如進一步引入生物視覺、智能感知、聲控技術、注意力機制等新理念、新技術與計算機視覺進行融合，將極大地提升計算機視覺在建筑工程領域的研究和應用水平，以及解決工程問題的能力。以多學科交叉融合為基礎的計算機視覺技術研究將成為必然趨勢。

4）基于大數據和智能算法的自動識別處理。基于統計學習的大數據和模式識別算法是當今主要的計算機視覺研究手段，訓練數據是其本質特征。在建筑工程領域中應用計算機視覺成功的關鍵是建立不同應用場景的大數據庫，基于深度學習理念實現計算機視覺應用時，能夠在海量的大數據中自動提取高質量、有效的特征，并通過建立的大數據庫自動對比分析，融合人工智能算力算法，驅動系統主動分析識別處理，可以大幅提升計算機視覺的識別能力和解決實際工程問題的效率。