混凝土钢筋保护层厚度检验方法、系统、终端及介质
技术领域
本发明涉及混凝土结构无损检测
技术领域
，具体涉及一种混凝土钢筋保护层厚度检验方法、系统、终端及介质。背景技术
混凝土构件的混凝土钢筋保护层一般指的是从受力纵筋的外边缘位置到构件混凝土的外连缘之间的距离，其主要是对钢筋起到保护作用，避免钢筋等材料不受到水气的锈蚀，从而保护钢筋混凝土的受力性能和桥梁本身的使用寿命以及耐久性都不受到影响。精准的钢筋保护层厚度检测结果不仅是工程验收和质量评价的依据，同时可以更好促进钢筋保护层施工控制工艺的改进和发展，使其能够更好保证混凝土构件的安全性和耐久性。但是，现行方法中针对装配式混凝土构件的保护层厚度的检测大多是抽样破损检测，缺乏对预制构件的整批无损检测，进而引发混凝土保护层施工时的质量问题及安全性问题。
发明内容
本发明的目的在于提供种混凝土钢筋保护层厚度检验方法、系统、终端及介质，该方法能够解决现有抽样检测中存在的不全面、检测结果准确度无法保障、进而导致施工安全性低的技术问题。
为了克服上述现有技术中的缺陷，本发明提供了一种混凝土钢筋保护层厚度检验方法，包括：
扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
提取所述标准波形图的分布特征；
利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。
进一步地，所述利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值，包括：
根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
进一步地，所述利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值，包括：
获取所述评价指标的计算公式：
式中，y为钢筋保护层厚度预测值，y′为钢筋保护层厚度实际值，n为预测值的总个数；
当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。
本发明还提供了一种混凝土钢筋保护层厚度检验系统，包括：
波形图获取单元，用于扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
特征提取单元，用于提取所述标准波形图的分布特征；
预测单元，用于利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
评估单元，用于利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。
进一步地，所述预测单元，还用于：
根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
进一步地，所述评估单元，还用于：
获取所述评价指标的计算公式：
式中，y为钢筋保护层厚度预测值，y′为钢筋保护层厚度实际值，n为预测值的总个数；
当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。
本发明还提供了一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的混凝土钢筋保护层厚度检验方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行实现如上任一项所述的混凝土钢筋保护层厚度检验方法。
相对于现有技术，本发明的有益效果在于：
本发明公开的混凝土钢筋保护层厚度检验方法，包括扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；提取所述标准波形图的分布特征；利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。本发明克服了现有抽样检测中存在的抽样不全面问题，并能够在构件无损的前提下，快速准确地检测出混凝土钢筋的保护层厚度，具有易实施、安全性高及可靠性强的优点。同时，该方法能够提高预制混凝土构件的合格率，更有效地提高、指导、控制施工质量，以及更能显著延长装配式混凝土结构的安全使用年限和耐久性使用年限。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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发明的一些实施方式，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他的附图。
图1是本发明某一实施例提供的混凝土钢筋保护层厚度检验方法的流程示意图；
图2是图1中步骤S30的子步骤流程示意图；
图3是本发明某一实施例提供的钢筋扫描仪扫描试验图；
图4是本发明某一实施例提供的扫描波形信号示意图；
图5是本发明某一实施例提供的机器学习流程图；
图6是本发明某一实施例提供的混凝土钢筋保护层厚度检验系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
第一方面：
请参阅图1，本发明某一实施例提供了一种混凝土钢筋保护层厚度检验方法，包括：
S10、扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
需要说明的是，本步骤主要对预制的混凝土构件进行钢筋扫描试验，以获取标准构件的大量波形信号图，再得到对应的标准波形图。通常，获取周期可根据实际所需进行设置，且采用定量获取方式。具体地，S10又包括以下步骤：
A1)工厂预制不同保护层厚度的混凝土标准构件；
A2)使用钢筋扫描仪扫描预制混凝土标准构件；
A3)获取对应不同保护层厚度预制混凝土标准构件的波形信号图；
A4)重复A1)～A3)步骤，获取对应已知标准钢筋分布和保护层厚度的大量波形信号图，最终得到标准波形图。
S20、提取所述标准波形图的分布特征；
需要说明的是，本步骤中主要使用数学统计的方法，在时间域上计算波形信号图生成了平均值、峰值、均方根、标准值等特征值，基于傅里叶变换的频域卷积定理得到信号在频谱域上的分布，在频谱域上计算生成了峰值、偏度等特征值。最后提取标准波形图的分布特征。
S30、利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
需要说明的是，在本步骤中，基于支持Bagging机器学习方法，在已知钢筋分布和保护层厚度的基础上，学习训练学习波形信号图的分布特征：
进一步地，在某一具体实施方式中，S30又包括以下子步骤，如图2所示：
S301、根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
S302、采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
S303、利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
S304、加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
S40、利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
在本步骤中，选取常用的机器学习模型评价指标RMES来衡量机器学习的预测精度，对于误差衡量指标RMES值越小则模型预测的精度越高。其中，RMES的计算模型为：
式中，y为钢筋保护层厚度预测值，y′为钢筋保护层厚度实际值，n为预测值的总个数；
进一步地，当RMSE＜5时，将当前的保护层厚度预测值作为保护层厚度目标值。
本发明实施例提供的方法，能够在构件无损的前提下，快速准确地检测出混凝土钢筋的保护层厚度，具有易实施、安全性高及可靠性强的优点。该方法不仅提高了预制混凝土构件的合格率，同时能更有效地提高、指导、控制施工质量，以及更能显著延长装配式混凝土结构的安全使用年限和耐久性使用年限。
第二方面：
在某一具体实施例中，整个方案包括以下过程：
1)获取标准构件的波形信号图，并得到标准波形图：
1.1)工厂预制不同保护层厚度的混凝土标准构件；
1.2)使用钢筋扫描仪扫描预制混凝土标准构件。其中，钢筋扫描仪扫描试验图如图3所示；
1.3)获取预制混凝土标准构件的波形信号图，如图4所示。
1.4)更换不同保护层厚度的预制混凝土标准构件，重复1.1)～1.3)步骤，获取对应已知标准钢筋分布和保护层厚度的大量波形信号图，最终得到标准波形图。
2)提取标准波形图的分布特征：
根据公式(2-4)在时间域上计算波形信号图生成了平均值、均方根、峰值、标准值等特征值，使用傅里叶变换的频域卷积公式(5)得到信号在频谱域上的分布，然后根据公式(6-7)在频谱域上计算生成了频带功率、偏度等特征值。
XP＝max{|xi|} (4)
其中，xi为波形图中的信号强度；为时间域上的平均值；XRMS为时间域上的均方根；XP为时间域上的峰值；S为频谱域上的频带功率，w1和w2分别为最小和最大频率；C为频谱域上的偏度；n为预测数值的总个数。
通过上述步骤，提取波形信号图的分布特征平均值、均方根、峰值、频带功率、波峰因数等特征值。
3)利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；其中，机器学习的流程图如图5所示：
3.1)以平均值、均方根、峰值、频带功率、波峰因数等特征值作为Bagging机器学习的输入层即自变量X；以钢筋保护层厚度作为输出变量Y；
3.2)将训练集随机有放回采样分成N个独立的训练子集；
3.3)使用分类树模型对N个独立的训练子集对进行机器学习；
3.4)加权N个训练得到的钢筋保护层厚度预测值得到最终预测值，整合得到大数据下扫描信号与钢筋保护层厚度之间复杂的映射关系，最终得到混凝土钢筋的保护层厚度预测值。
4)利用所述机器学习算法的评价指标对保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
在本步骤中，选取常用的机器学习模型评价指标RMES来衡量机器学习的预测精度，对于误差衡量指标RMES值越小则模型预测的精度越高。其中，RMES的计算模型为：
式中，y为钢筋保护层厚度预测值，y′为钢筋保护层厚度实际值，n为预测值的总个数；
进一步地，当RMSE＜5时，将当前的保护层厚度预测值作为保护层厚度目标值。
第三方面：
请参阅图6，本发明某一实施例还提供了一种混凝土钢筋保护层厚度检验系统，包括：
波形图获取单元01，用于扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
特征提取单元02，用于提取所述标准波形图的分布特征；
预测单元03，用于利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
评估单元04，用于利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。
进一步地，所述预测单元，还用于：
根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
进一步地，所述评估单元，还用于：
获取所述评价指标的计算公式：
式中，y为钢筋保护层厚度预测值，y′为钢筋保护层厚度实际值，n为预测值的总个数；
当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。
本发明实施例提供的系统，能够在构件无损的前提下，快速准确地检测出混凝土钢筋的保护层厚度，具有易实施、安全性高及可靠性强的优点。该方法不仅提高了预制混凝土构件的合格率，同时能更有效地提高、指导、控制施工质量，以及更能显著延长装配式混凝土结构的安全使用年限和耐久性使用年限。
第四方面：
本发明某一实施例还提供了一种终端设备，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的混凝土钢筋保护层厚度检验方法。
处理器用于控制该终端设备的整体操作，以完成上述的混凝土钢筋保护层厚度检验方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该终端设备的操作，这些数据例如可以包括用于在该终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
终端设备可以被一个或多个应用专用集成电路(ApplicationSpecific1ntegrated Circuit，简称AS1C)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field ProgrammableGate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如上述任一项实施例所述的混凝土钢筋保护层厚度检验方法，并达到如上述方法一致的技术效果。
本发明某一实施例还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现如上述任一项实施例所述的混凝土钢筋保护层厚度检验方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由终端设备的处理器执行以完成如上述任一项实施例所述的混凝土钢筋保护层厚度检验方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
