基于工程分类的巡检图像处理方法及系统与流程

1.本发明涉及图像数据处理技术领域，尤其涉及一种基于工程分类的巡检图像处理方法及系统。


背景技术：

2.随着施工安全意识的提高和城市施工工程数量的增加，越来越多的企业开始注重提高对施工巡检的重视程度，并开始安排越来越高频次和更详细的巡检措施，其中，拍摄巡检图像是一种非常有效的手段。但现有的图像处理技术在解决拍摄巡检图像方面的工作任务时，没有考虑到引入提前做好工程的分类以提高巡检拍摄的效率。可见，现有技术存在缺陷，亟需解决。


技术实现要素：

3.本发明所要解决的技术问题在于，提供一种基于工程分类的巡检图像处理方法及系统，能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。
4.为了解决上述技术问题，本发明第一方面公开了一种基于工程分类的巡检图像处理方法，所述方法包括：
5.获取用户选择的工程问题分类信息；
6.根据所述工程问题分类信息，确定出对应的图像收集界面和图像类别信息；
7.将所述图像收集界面显示在图像获取设备上，并获取用户通过所述图像获取设备的所述图像收集界面获取的目标巡检区域的区域图像；
8.根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像。
9.作为一种可选的实施方式，在本发明第一方面中，所述工程问题分类信息包括脚手架问题、安全管理问题、文明施工问题、吊篮问题、基坑工程问题、模板工程问题、高处作业问题、施工用电问题、起重机械问题、施工机具问题、地基与基础问题、主体结构问题、装饰装修问题、建筑电气问题、给水排水供暖问题、通风与空调问题、屋面问题、智能建筑问题、建筑节能问题、电梯问题、质量亮点问题中的至少一种。
10.作为一种可选的实施方式，在本发明第一方面中，所述根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像，包括：
11.获取所述区域图像对应的图像获取参数；
12.根据所述图像获取参数、所述图像类别信息和所述区域图像，生成所述目标巡检区域对应的巡检图像；所述巡检图像包括有所述图像获取参数和所述图像类别信息。
13.作为一种可选的实施方式，在本发明第一方面中，所述巡检图像包括有所述图像获取参数和所述图像类别信息对应的水印图像。
14.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
15.获取用户输入的巡检记录信息；
16.根据所述巡检记录信息，生成所述巡检图像对应的巡检记录数据。
17.作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
18.将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率；
19.获取所述目标巡检区域对应的历史时间段内的巡检风险预测记录；
20.根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险；
21.若所述目标巡检区域存在风险，则生成报警记录。
22.作为一种可选的实施方式，在本发明第一方面中，所述巡检记录数据包括巡检地点、巡检频率和巡检描述；所述将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率，包括：
23.计算所述巡检图像对应的所述巡检地点与所有危险图像对应的巡检地点之间的距离的平均值，得到地点平均值；所述危险图像为其他所述巡检风险预测概率高于预设的概率阈值的所述巡检图像；
24.计算所述地点平均值和所述巡检频率的乘积，得到第一表征参数；
25.将所述第一表征参数输入至预先训练好的第一神经网络模型中，得到输出的第一巡检风险预测概率；所述第一神经网络模型通过包括有多个训练用的第一表征参数和对应的风险标注的训练数据集训练得到；
26.将所述巡检图像和对应的所述巡检描述，输入至预先训练好的第二神经网络模型中，得到输出的第二巡检风险预测概率；所述第二神经网络模型通过包括有多个训练巡检图像和对应的训练巡检描述和对应的风险标注的训练数据集训练得到；
27.计算所述第一巡检风险预测概率和所述第二巡检风险预测概率的加权求和平均值，得到所述巡检图像对应的巡检风险预测概率；其中，所述第一巡检风险预测概率的权重小于所述第二巡检风险预测概率的权重；
28.和/或，所述巡检风险记录包括所述目标巡检区域在所述历史时间段内的多个历史巡检风险预测概率；以及，所述根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险，包括：
29.判断所述巡检风险预测概率是否大于所述概率阈值，得到第一判断结果；
30.判断所述巡检风险预测概率和所述多个历史巡检风险预测概率对应的方差是否大于预设方差阈值，得到第二判断结果；
31.当所述第一判断结果和所述第二判断结果均为是时，确定所述目标巡检区域存在风险。
32.本发明第二方面公开了一种基于工程分类的巡检图像处理系统，所述系统包括：
33.第一获取模块，用于获取用户选择的工程问题分类信息；
34.确定模块，用于根据所述工程问题分类信息，确定出对应的图像收集界面和图像类别信息；
35.第二获取模块，用于将所述图像收集界面显示在图像获取设备上，并获取用户通过所述图像获取设备的所述图像收集界面获取的目标巡检区域的区域图像；
36.生成模块，用于根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像。
37.作为一种可选的实施方式，在本发明第二方面中，所述工程问题分类信息包括脚手架问题、安全管理问题、文明施工问题、吊篮问题、基坑工程问题、模板工程问题、高处作业问题、施工用电问题、起重机械问题、施工机具问题、地基与基础问题、主体结构问题、装饰装修问题、建筑电气问题、给水排水供暖问题、通风与空调问题、屋面问题、智能建筑问题、建筑节能问题、电梯问题、质量亮点问题中的至少一种。
38.作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像的具体方式，包括：
39.获取所述区域图像对应的图像获取参数；
40.根据所述图像获取参数、所述图像类别信息和所述区域图像，生成所述目标巡检区域对应的巡检图像；所述巡检图像包括有所述图像获取参数和所述图像类别信息。
41.作为一种可选的实施方式，在本发明第二方面中，所述巡检图像包括有所述图像获取参数和所述图像类别信息对应的水印图像。
42.作为一种可选的实施方式，在本发明第二方面中，所述生成模块还用于执行以下步骤：
43.获取用户输入的巡检记录信息；
44.根据所述巡检记录信息，生成所述巡检图像对应的巡检记录数据。
45.作为一种可选的实施方式，在本发明第二方面中，所述装置还包括判断模块，用于执行以下步骤：
46.将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率；
47.获取所述目标巡检区域对应的历史时间段内的巡检风险预测记录；
48.根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险；
49.若所述目标巡检区域存在风险，则生成报警记录。
50.作为一种可选的实施方式，在本发明第二方面中，所述巡检记录数据包括巡检地点、巡检频率和巡检描述；所述判断模块将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率的具体方式，包括：
51.计算所述巡检图像对应的所述巡检地点与所有危险图像对应的巡检地点之间的距离的平均值，得到地点平均值；所述危险图像为其他所述巡检风险预测概率高于预设的概率阈值的所述巡检图像；
52.计算所述地点平均值和所述巡检频率的乘积，得到第一表征参数；
53.将所述第一表征参数输入至预先训练好的第一神经网络模型中，得到输出的第一巡检风险预测概率；所述第一神经网络模型通过包括有多个训练用的第一表征参数和对应的风险标注的训练数据集训练得到；
54.将所述巡检图像和对应的所述巡检描述，输入至预先训练好的第二神经网络模型中，得到输出的第二巡检风险预测概率；所述第二神经网络模型通过包括有多个训练巡检图像和对应的训练巡检描述和对应的风险标注的训练数据集训练得到；
55.计算所述第一巡检风险预测概率和所述第二巡检风险预测概率的加权求和平均值，得到所述巡检图像对应的巡检风险预测概率；其中，所述第一巡检风险预测概率的权重小于所述第二巡检风险预测概率的权重；
56.和/或，所述巡检风险记录包括所述目标巡检区域在所述历史时间段内的多个历史巡检风险预测概率；以及，所述判断模块根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险的具体方式，包括：
57.判断所述巡检风险预测概率是否大于所述概率阈值，得到第一判断结果；
58.判断所述巡检风险预测概率和所述多个历史巡检风险预测概率对应的方差是否大于预设方差阈值，得到第二判断结果；
59.当所述第一判断结果和所述第二判断结果均为是时，确定所述目标巡检区域存在风险。
60.本发明第三方面公开了另一种基于工程分类的巡检图像处理系统，所述系统包括：
61.存储有可执行程序代码的存储器；
62.与所述存储器耦合的处理器；
63.所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于工程分类的巡检图像处理方法中的部分或全部步骤。
64.本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于工程分类的巡检图像处理方法中的部分或全部步骤。
65.与现有技术相比，本发明具有以下有益效果：
66.本发明可以通过预先通过分类确定出的图像界面和图像类别，来直接为用户提供显示界面，并直接根据用户拍摄的图像生成巡检图像，从而能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。
附图说明
67.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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他的附图。
68.图1是本发明实施例公开的一种基于工程分类的巡检图像处理方法的流程示意图；
69.图2是本发明实施例公开的一种基于工程分类的巡检图像处理系统的结构示意图；
70.图3是本发明实施例公开的另一种基于工程分类的巡检图像处理系统的结构示意图。
具体实施方式
71.为了使本技术领域的人员更好地理解本发明方案，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。
72.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
73.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
74.本发明公开了一种基于工程分类的巡检图像处理方法及系统，可以通过预先通过分类确定出的图像界面和图像类别，来直接为用户提供显示界面，并直接根据用户拍摄的图像生成巡检图像，从而能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。以下分别进行详细说明。
75.实施例一
76.请参阅图1，图1是本发明实施例公开的一种基于工程分类的巡检图像处理方法的流程示意图。其中，图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定如图1所示，该基于工程分类的巡检图像处理方法可以包括以下操作：
77.101、获取用户选择的工程问题分类信息。
78.可选的，工程问题分类信息包括脚手架问题、安全管理问题、文明施工问题、吊篮问题、基坑工程问题、模板工程问题、高处作业问题、施工用电问题、起重机械问题、施工机具问题、地基与基础问题、主体结构问题、装饰装修问题、建筑电气问题、给水排水供暖问题、通风与空调问题、屋面问题、智能建筑问题、建筑节能问题、电梯问题、质量亮点问题中的至少一种。
79.102、根据工程问题分类信息，确定出对应的图像收集界面和图像类别信息。
80.可选的，图像收集界面上可以包括有该工程问题分类信息对应的字样。
81.可选的，图像类别信息与该工程问题分类信息相关，或是该工程问题分类信息，或是属于该工程问题分类信息下属的部分类别。
82.103、将图像收集界面显示在图像获取设备上，并获取用户通过图像获取设备的图像收集界面获取的目标巡检区域的区域图像。
83.可选的，用户可以通过点击图像获取设备，例如手机或平板电脑，上的软件中的图像收集界面中的拍摄按钮，来获取目标巡检区域的区域图像，一方面，用户在操作时已经清除其拍摄图像所属的巡检类别，另一份方面，用户可以以此作为参考来更加慎重地选择其拍摄的角度、位置或对焦位置的操作。
84.104、根据区域图像和图像类别信息，生成目标巡检区域对应的巡检图像。
85.可选的，可以将该图像类别信息作为该区域图像的图像描述或附带的信息数据，
以生成目标巡检区域对应的巡检图像。
86.可见，实施本发明实施例所描述的方法可以通过预先通过分类确定出的图像界面和图像类别，来直接为用户提供显示界面，并直接根据用户拍摄的图像生成巡检图像，从而能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。
87.作为一种可选的实施例，上述步骤中的，根据区域图像和图像类别信息，生成目标巡检区域对应的巡检图像，包括：
88.获取区域图像对应的图像获取参数；
89.根据图像获取参数、图像类别信息和区域图像，生成目标巡检区域对应的巡检图像。
90.可选的，巡检图像包括有图像获取参数和图像类别信息。
91.可选的，图像获取参数可以为图像获取的时间、位置，获取设备的设备参数，用户的用户参数中的一种或多种。
92.可见，通过上述实施例，能够根据图像获取参数、图像类别信息和区域图像，生成目标巡检区域对应的巡检图像，以使得巡检图像包括更多的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
93.作为一种可选的实施例，巡检图像包括有图像获取参数和图像类别信息对应的水印图像。
94.可见，通过上述实施例，能够生成包括有图像获取参数和图像类别信息对应的水印图像，以使得巡检图像包括更直观的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
95.作为一种可选的实施例，该方法还包括：
96.获取用户输入的巡检记录信息；
97.根据巡检记录信息，生成巡检图像对应的巡检记录数据。
98.可选的，可以事先生成包括有该工程问题分类信息的页面，其中可以有该工程问题分类信息对应多种可选的问题选项或是问题参数空白，以给用户选择或输入，并通过该页面获取用户输入的巡检记录信息。
99.可见，通过上述实施例，能够获取用户输入的巡检记录信息，并根据巡检记录信息生成巡检图像对应的巡检记录数据，以使得巡检图像包括更直观的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
100.作为一种可选的实施例，该方法还包括：
101.将巡检图像和对应的巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率；
102.获取目标巡检区域对应的历史时间段内的巡检风险预测记录；
103.根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险；
104.若目标巡检区域存在风险，则生成报警记录。
105.可见，通过上述实施例，能够根据巡检图像和对应的巡检记录数据得到巡检风险预测概率，再根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险，从而能够实现对巡检现场的风险判断，以实现有效的工程巡检。
106.作为一种可选的实施例，巡检记录数据包括巡检地点、巡检频率和巡检描述；上述步骤中的，将巡检图像和对应的巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率，包括：
107.计算巡检图像对应的巡检地点与所有危险图像对应的巡检地点之间的距离的平均值，得到地点平均值；危险图像为其他巡检风险预测概率高于预设的概率阈值的巡检图像；
108.计算地点平均值和巡检频率的乘积，得到第一表征参数；
109.将第一表征参数输入至预先训练好的第一神经网络模型中，得到输出的第一巡检风险预测概率；第一神经网络模型通过包括有多个训练用的第一表征参数和对应的风险标注的训练数据集训练得到；
110.将巡检图像和对应的巡检描述，输入至预先训练好的第二神经网络模型中，得到输出的第二巡检风险预测概率；第二神经网络模型通过包括有多个训练巡检图像和对应的训练巡检描述和对应的风险标注的训练数据集训练得到；
111.计算第一巡检风险预测概率和第二巡检风险预测概率的加权求和平均值，得到巡检图像对应的巡检风险预测概率；其中，第一巡检风险预测概率的权重小于第二巡检风险预测概率的权重。
112.可见，通过上述实施例，能够计算第一巡检风险预测概率和第二巡检风险预测概率的加权求和平均值，得到巡检图像对应的巡检风险预测概率，从而能够实现综合考虑巡检记录中的多种参数和引用多个神经网络模型来实现对巡检现场的风险判断，以实现有效的工程巡检。
113.作为一种可选的实施例，巡检风险记录包括目标巡检区域在历史时间段内的多个历史巡检风险预测概率；以及，上述步骤中的，根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险，包括：
114.判断巡检风险预测概率是否大于概率阈值，得到第一判断结果；
115.判断巡检风险预测概率和多个历史巡检风险预测概率对应的方差是否大于预设方差阈值，得到第二判断结果；
116.当第一判断结果和第二判断结果均为是时，确定目标巡检区域存在风险。
117.可见，通过上述实施例，能够综合判断风险概率是否较高，以及判断该风险预测结果是否显著大于先前的预测结果，以判断风险存在的可信度，从而能够实现更加准确和合理地对巡检现场的风险判断，以实现有效的工程巡检。
118.实施例二
119.请参阅图2，图2是本发明实施例公开的一种基于工程分类的巡检图像处理系统的结构示意图。其中，图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该系统可以包括：
120.第一获取模块201，用于获取用户选择的工程问题分类信息。
121.可选的，工程问题分类信息包括脚手架问题、安全管理问题、文明施工问题、吊篮问题、基坑工程问题、模板工程问题、高处作业问题、施工用电问题、起重机械问题、施工机具问题、地基与基础问题、主体结构问题、装饰装修问题、建筑电气问题、给水排水供暖问
题、通风与空调问题、屋面问题、智能建筑问题、建筑节能问题、电梯问题、质量亮点问题中的至少一种。
122.确定模块202，用于根据工程问题分类信息，确定出对应的图像收集界面和图像类别信息。
123.可选的，图像收集界面上可以包括有该工程问题分类信息对应的字样。
124.可选的，图像类别信息与该工程问题分类信息相关，或是该工程问题分类信息，或是属于该工程问题分类信息下属的部分类别。
125.第二获取模块203，用于将图像收集界面显示在图像获取设备上，并获取用户通过图像获取设备的图像收集界面获取的目标巡检区域的区域图像。
126.可选的，用户可以通过点击图像获取设备，例如手机或平板电脑，上的软件中的图像收集界面中的拍摄按钮，来获取目标巡检区域的区域图像，一方面，用户在操作时已经清除其拍摄图像所属的巡检类别，另一份方面，用户可以以此作为参考来更加慎重地选择其拍摄的角度、位置或对焦位置的操作。
127.生成模块204，用于根据区域图像和图像类别信息，生成目标巡检区域对应的巡检图像。
128.可选的，可以将该图像类别信息作为该区域图像的图像描述或附带的信息数据，以生成目标巡检区域对应的巡检图像。
129.可见，实施本发明实施例所描述的装置可以通过预先通过分类确定出的图像界面和图像类别，来直接为用户提供显示界面，并直接根据用户拍摄的图像生成巡检图像，从而能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。
130.作为一种可选的实施例，生成模块204根据区域图像和图像类别信息，生成目标巡检区域对应的巡检图像的具体方式，包括：
131.获取区域图像对应的图像获取参数；
132.根据图像获取参数、图像类别信息和区域图像，生成目标巡检区域对应的巡检图像。
133.可选的，巡检图像包括有图像获取参数和图像类别信息。
134.可选的，图像获取参数可以为图像获取的时间、位置，获取设备的设备参数，用户的用户参数中的一种或多种。
135.可见，通过上述实施例，能够根据图像获取参数、图像类别信息和区域图像，生成目标巡检区域对应的巡检图像，以使得巡检图像包括更多的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
136.作为一种可选的实施例，巡检图像包括有图像获取参数和图像类别信息对应的水印图像。
137.可见，通过上述实施例，能够生成包括有图像获取参数和图像类别信息对应的水印图像，以使得巡检图像包括更直观的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
138.作为一种可选的实施例，生成模块204还用于执行以下步骤：
139.获取用户输入的巡检记录信息；
140.根据巡检记录信息，生成巡检图像对应的巡检记录数据。
141.可选的，可以事先生成包括有该工程问题分类信息的页面，其中可以有该工程问题分类信息对应多种可选的问题选项或是问题参数空白，以给用户选择或输入，并通过该页面获取用户输入的巡检记录信息。
142.可见，通过上述实施例，能够获取用户输入的巡检记录信息，并根据巡检记录信息生成巡检图像对应的巡检记录数据，以使得巡检图像包括更直观的巡检相关信息，保证巡检图像的准确度，以实现有效的工程巡检。
143.作为一种可选的实施例，该装置还包括判断模块，用于执行以下步骤：
144.将巡检图像和对应的巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率；
145.获取目标巡检区域对应的历史时间段内的巡检风险预测记录；
146.根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险；
147.若目标巡检区域存在风险，则生成报警记录。
148.可见，通过上述实施例，能够根据巡检图像和对应的巡检记录数据得到巡检风险预测概率，再根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险，从而能够实现对巡检现场的风险判断，以实现有效的工程巡检。
149.作为一种可选的实施例，巡检记录数据包括巡检地点、巡检频率和巡检描述。判断模块将巡检图像和对应的巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率的具体方式，包括：
150.计算巡检图像对应的巡检地点与所有危险图像对应的巡检地点之间的距离的平均值，得到地点平均值。危险图像为其他巡检风险预测概率高于预设的概率阈值的巡检图像。
151.计算地点平均值和巡检频率的乘积，得到第一表征参数。
152.将第一表征参数输入至预先训练好的第一神经网络模型中，得到输出的第一巡检风险预测概率。第一神经网络模型通过包括有多个训练用的第一表征参数和对应的风险标注的训练数据集训练得到。
153.将巡检图像和对应的巡检描述，输入至预先训练好的第二神经网络模型中，得到输出的第二巡检风险预测概率。第二神经网络模型通过包括有多个训练巡检图像和对应的训练巡检描述和对应的风险标注的训练数据集训练得到。
154.计算第一巡检风险预测概率和第二巡检风险预测概率的加权求和平均值，得到巡检图像对应的巡检风险预测概率。其中，第一巡检风险预测概率的权重小于第二巡检风险预测概率的权重。
155.可见，通过上述实施例，能够计算第一巡检风险预测概率和第二巡检风险预测概率的加权求和平均值，得到巡检图像对应的巡检风险预测概率，从而能够实现综合考虑巡检记录中的多种参数和引用多个神经网络模型来实现对巡检现场的风险判断，以实现有效的工程巡检。
156.作为一种可选的实施例，巡检风险记录包括目标巡检区域在历史时间段内的多个历史巡检风险预测概率。以及，判断模块根据巡检风险预测概率和巡检风险预测记录，判断目标巡检区域是否存在风险的具体方式，包括：
157.判断巡检风险预测概率是否大于概率阈值，得到第一判断结果。
158.判断巡检风险预测概率和多个历史巡检风险预测概率对应的方差是否大于预设方差阈值，得到第二判断结果。
159.当第一判断结果和第二判断结果均为是时，确定目标巡检区域存在风险。
160.可见，通过上述实施例，能够综合判断风险概率是否较高，以及判断该风险预测结果是否显著大于先前的预测结果，以判断风险存在的可信度，从而能够实现更加准确和合理地对巡检现场的风险判断，以实现有效的工程巡检。
161.实施例三
162.请参阅图3，图3是本发明实施例公开的另一种基于工程分类的巡检图像处理系统的结构示意图。如图3所示，该系统可以包括：
163.存储有可执行程序代码的存储器301；
164.与存储器301耦合的处理器302；
165.处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的基于工程分类的巡检图像处理方法中的部分或全部步骤。
166.实施例四
167.本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的基于工程分类的巡检图像处理方法中的部分或全部步骤。
168.以上所描述的系统实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
169.通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(read-only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read-only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one-time programmable read-only memory，otprom)、电子抹除式可复写只读存储器(electrically-erasable programmable read-only memory，eeprom)、只读光盘(compact disc read-only memory，cd-rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
170.最后应说明的是：本发明实施例公开的一种基于工程分类的巡检图像处理方法及系统所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项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；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案
的精神和范围。

技术特征：
1.一种基于工程分类的巡检图像处理方法，其特征在于，所述方法包括：获取用户选择的工程问题分类信息；根据所述工程问题分类信息，确定出对应的图像收集界面和图像类别信息；将所述图像收集界面显示在图像获取设备上，并获取用户通过所述图像获取设备的所述图像收集界面获取的目标巡检区域的区域图像；根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像。2.根据权利要求1所述的基于工程分类的巡检图像处理方法，其特征在于，所述工程问题分类信息包括脚手架问题、安全管理问题、文明施工问题、吊篮问题、基坑工程问题、模板工程问题、高处作业问题、施工用电问题、起重机械问题、施工机具问题、地基与基础问题、主体结构问题、装饰装修问题、建筑电气问题、给水排水供暖问题、通风与空调问题、屋面问题、智能建筑问题、建筑节能问题、电梯问题、质量亮点问题中的至少一种。3.根据权利要求1所述的基于工程分类的巡检图像处理方法，其特征在于，所述根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像，包括：获取所述区域图像对应的图像获取参数；根据所述图像获取参数、所述图像类别信息和所述区域图像，生成所述目标巡检区域对应的巡检图像；所述巡检图像包括有所述图像获取参数和所述图像类别信息。4.根据权利要求3所述的基于工程分类的巡检图像处理方法，其特征在于，所述巡检图像包括有所述图像获取参数和所述图像类别信息对应的水印图像。5.根据权利要求1所述的基于工程分类的巡检图像处理方法，其特征在于，所述方法还包括：获取用户输入的巡检记录信息；根据所述巡检记录信息，生成所述巡检图像对应的巡检记录数据。6.根据权利要求5所述的基于工程分类的巡检图像处理方法，其特征在于，所述方法还包括：将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率；获取所述目标巡检区域对应的历史时间段内的巡检风险预测记录；根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险；若所述目标巡检区域存在风险，则生成报警记录。7.根据权利要求5所述的基于工程分类的巡检图像处理方法，其特征在于，所述巡检记录数据包括巡检地点、巡检频率和巡检描述；所述将所述巡检图像和对应的所述巡检记录数据，输入至预先训练好的神经网络模型中，得到输出的巡检风险预测概率，包括：计算所述巡检图像对应的所述巡检地点与所有危险图像对应的巡检地点之间的距离的平均值，得到地点平均值；所述危险图像为其他所述巡检风险预测概率高于预设的概率阈值的所述巡检图像；计算所述地点平均值和所述巡检频率的乘积，得到第一表征参数；将所述第一表征参数输入至预先训练好的第一神经网络模型中，得到输出的第一巡检风险预测概率；所述第一神经网络模型通过包括有多个训练用的第一表征参数和对应的风
险标注的训练数据集训练得到；将所述巡检图像和对应的所述巡检描述，输入至预先训练好的第二神经网络模型中，得到输出的第二巡检风险预测概率；所述第二神经网络模型通过包括有多个训练巡检图像和对应的训练巡检描述和对应的风险标注的训练数据集训练得到；计算所述第一巡检风险预测概率和所述第二巡检风险预测概率的加权求和平均值，得到所述巡检图像对应的巡检风险预测概率；其中，所述第一巡检风险预测概率的权重小于所述第二巡检风险预测概率的权重；和/或，所述巡检风险记录包括所述目标巡检区域在所述历史时间段内的多个历史巡检风险预测概率；以及，所述根据所述巡检风险预测概率和所述巡检风险预测记录，判断所述目标巡检区域是否存在风险，包括：判断所述巡检风险预测概率是否大于所述概率阈值，得到第一判断结果；判断所述巡检风险预测概率和所述多个历史巡检风险预测概率对应的方差是否大于预设方差阈值，得到第二判断结果；当所述第一判断结果和所述第二判断结果均为是时，确定所述目标巡检区域存在风险。8.一种基于工程分类的巡检图像处理系统，其特征在于，所述系统包括：第一获取模块，用于获取用户选择的工程问题分类信息；确定模块，用于根据所述工程问题分类信息，确定出对应的图像收集界面和图像类别信息；第二获取模块，用于将所述图像收集界面显示在图像获取设备上，并获取用户通过所述图像获取设备的所述图像收集界面获取的目标巡检区域的区域图像；生成模块，用于根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像。9.一种基于工程分类的巡检图像处理系统，其特征在于，所述系统包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于工程分类的巡检图像处理方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于工程分类的巡检图像处理方法。

技术总结
本发明公开了一种基于工程分类的巡检图像处理方法及系统，该方法包括：获取用户选择的工程问题分类信息；根据所述工程问题分类信息，确定出对应的图像收集界面和图像类别信息；将所述图像收集界面显示在图像获取设备上，并获取用户通过所述图像获取设备的所述图像收集界面获取的目标巡检区域的区域图像；根据所述区域图像和所述图像类别信息，生成所述目标巡检区域对应的巡检图像。可见，本发明可以通过预先通过分类确定出的图像界面和图像类别，来直接为用户提供显示界面，并直接根据用户拍摄的图像生成巡检图像，从而能够有效提高用户巡检时拍摄的便捷度和效率，并保证巡检图像的准确度，以实现有效的工程巡检。以实现有效的工程巡检。以实现有效的工程巡检。


技术研发人员：聂琪
受保护的技术使用者：广州兴合科技有限公司
技术研发日：2023.07.11
技术公布日：2023/10/11