基于量子算法的混凝土裂缝检测装置

1.本发明涉及检测装置技术领域，特别涉及基于量子算法的混凝土裂缝检测装置。


背景技术：

2.在房屋建筑施工时，由于设计、养护、施工和使用等方面是影响混凝土强度、耐久性的关键因素，而混凝土施工设计过程比较复杂，无法准确把握混凝土原材料的配比且相关技术操作人员无法完全避免施工环境对混凝土施工过程带来的诸多影响，在裂缝宽度值达到结构最大限值时，往往会使得混凝土建筑结构产生裂缝，这些裂缝会对混凝土建筑结构的安全性、耐久性和美观性带来不利影响，大量的工程实例证明混凝土构件出现裂缝是不可避免的，且混凝土裂缝对构件承载力有较大的影响，有裂缝的混凝土构件其承载力大小为极限承载力的60％～90％。由于混凝土结构的耐久性是建筑结构安全设计的重要参考指标，根据结构的功能及外观要求，对某些构件还需要进行裂缝控制验算是否满足耐久性要求；因此对混凝土结构进行定期检测是非常有必要的。
3.就目前现有的混凝土裂缝检测装置而言：
4.主要通过人工检测方式对混凝土表面裂缝进行检测，人工检测不仅易受到主观因素的干扰，而且检测效率低，同时工作人员的安全无法得到保障；因此，如何自动准确地检测混凝土表面裂缝是目前亟需解决的问题；过去，基于传统数字图像处理方法被广泛的应用在混凝土裂缝检测中，但传统数字图像处理技术容易受到噪声影响，导致检测精度较低且混凝土裂缝、长度深度检测误差较大。


技术实现要素：

5.有鉴于此，本发明提供基于量子算法的混凝土裂缝检测装置，其具有量子算法检测，借助于量子受控旋转操作、哈密顿演化和经典richardson-lucy算法将灰度图像转化为量子图像，采用lstm滑动时间窗口研究高精度实时处理模糊图像的量子算法，对混凝土裂缝的形态、长度、宽度、深度等特征进行高精度识别，进而达到精准识别混凝土裂缝种类，判断裂缝对混凝土结构安全性的影响；对数字图像进行滤波降噪处理、增强对比度、阈值分割方便比对，创建混凝土裂缝图像特征分类识别库：提取目标特征值灰度特征、几何特征、纹理特征和特征向量，建立特征库；采用量子卷积神经网络、量子bp神经网络和量子支持向量机，基于样本数据(具体为：训练数据为公开混凝土裂缝数据集concretecrackimagesforclassification、cfd等)和特征库进行训练；本文将28
×
28像素的混凝土裂缝样本数据采用高斯金字塔下采样的方式，将手写数字样本下采样为4
×
4像素的灰度图像。灰度图像通过min-max归一化操作和量子数据编码后，会有16个输入量子比特作为量子卷积神经网络(qcnn)的输入，每经过一层量子池化，量子比特的数量缩减为原来的一半；选择分类方法量子卷积神经网络(此处采用平均池化下采样的三层网络结构的qcnn模型具有更高的测试精度)、量子bp神经网络和量子支持向量机和模型，对当前加载的图像进行分类，生成分类图像。
6.本发明基于量子算法的混凝土裂缝检测装置的目的与功效，由以下具体技术手段所达成：
7.本发明提供了基于量子算法的混凝土裂缝检测装置，具体包括：车体、检测部分、清洁部分和标记部分；所述车体上转动连接有两根滚轴，每根滚轴上均安装有两个滚轮，四个滚轮均与地面接触，车体上安装有把手；车体前端面开设有辅助槽，车体顶端面呈线性阵列状开设有五个安装孔，五个安装孔均为长条形孔状结构；所述检测部分由滑动杆、安装块、探头和锁紧螺母组成，滑动杆共设有六根，六根滑动杆分别滑动连接在六个安装孔内；每根所述滑动杆底端面均焊接有一个安装块，每个安装块底端面均安装有一个探头，当滑动杆在安装孔内向前移动10cm时探头位于车体前端面前侧7cm处；所述清洁部分由安装座、电动伸缩杆、转动座、转轴和叶轮组成，安装座焊接在车体顶端面；所述标记部分由储液桶和排液管组成，储液桶安装在车体上。
8.进一步的，每根所述滑动杆的上半部分均开设有螺纹，每根滑动杆的上半部分均螺纹连接有一个锁紧螺母，当锁紧螺母拧紧后锁紧螺母的底端面与车体顶端面弹性接触。
9.进一步的，所述转动座位于车体前侧，转动座上转动连接有一根转轴，转轴上安装有叶轮，叶轮位于探头前侧10cm处。
10.进一步的，所述转轴通过带轮以及皮带与车体上的滚轮轴相连接，当滚轮轴转动时叶轮也呈转动状态。
11.进一步的，所述安装座为l形结构，安装座底端面安装有一根电动伸缩杆，电动伸缩杆下方一端固定在转动座上，当电动伸缩杆收缩时转动座呈向上移动状态。
12.进一步的，所述储液桶下方连接有一根排液管，储液桶内盛放有标记液体。
13.进一步的，所述排液管位于叶轮后侧位置，排液管外壁后端面与转动座内壁前端面接触，当转轴转动时叶轮与排液管弹性接触，此时排液管呈间歇滴液状态，此时滴出的液体线条呈间歇状。
14.进一步的，所述车体顶端面安装有一个吸尘器，吸尘器通过连接管与吸尘管相连接，吸尘管安装在辅助槽内，吸尘管位于探头后侧5cm处；
15.车体顶端面安装有一个过滤盒，过滤盒与吸尘器相连接。
16.进一步的，所述车体顶部安装有控制盒，控制盒设置有量子计算元件。
17.有益效果
18.本技术通过控制盒内部元件的设置，因车体顶部安装有控制盒，控制盒设置有量子计算元件，借助于量子受控旋转操作、哈密顿演化和经典richardson-lucy算法将灰度图像转化为量子图像，采用lstm滑动时间窗口研究高精度实时处理模糊图像的量子算法，对混凝土裂缝的形态、长度、宽度、深度等特征进行高精度识别，进而达到精准识别混凝土裂缝种类，判断裂缝对混凝土结构安全性的影响；对数字图像进行滤波降噪处理、增强对比度、阈值分割方便比对，创建混凝土裂缝图像特征分类识别库：提取目标特征值(灰度特征、几何特征、纹理特征)和特征向量，建立特征库；采用量子卷积神经网络、量子bp神经网络和量子支持向量机，基于样本数据(具体为：训练数据为公开混凝土裂缝数据集concretecrackimagesforclassification、cfd等)和特征库进行训练；本文将28
×
28像素的混凝土裂缝样本数据采用高斯金字塔下采样的方式，将手写数字样本下采样为4
×
4像素的灰度图像。灰度图像通过min-max归一化操作和量子数据编码后，会有16个输入量子比特作为量子卷
积神经网络(qcnn)的输入，每经过一层量子池化，量子比特的数量缩减为原来的一半；选择分类方法量子卷积神经网络(此处采用平均池化下采样的三层网络结构的qcnn模型具有更高的测试精度)、量子bp神经网络和量子支持向量机和模型，对当前加载的图像进行分类，生成分类图像，此时可提高检测精度。
19.此外，通过检测部分的设置，因每根所述滑动杆底端面均焊接有一个安装块，每个安装块底端面均安装有一个探头，当滑动杆在安装孔内向前移动10cm时探头位于车体前端面前侧7cm处，此时通过伸出的探头可实现狭窄位置的检测，提高了实用性。
20.此外，通过标记部分的设置，第一，因储液桶下方连接有一根排液管，储液桶内盛放有标记液体，在使用过程中当车体移动时排液管处滴落的液体可实现检测后的标记；第二，因所述排液管位于叶轮后侧位置，排液管外壁后端面与转动座内壁前端面接触，当转轴转动时叶轮与排液管弹性接触，此时排液管呈间歇滴液状态，此时滴出的液体线条呈间歇状，提高了液体线条的模仿难度，也就避免了造假现象发生。
21.此外，通过清洁部分的设置，因转动座位于车体前侧，转动座上转动连接有一根转轴，转轴上安装有叶轮，叶轮位于探头前侧10cm处；转轴通过带轮以及皮带与车体上的滚轮轴相连接，当滚轮轴转动时叶轮也呈转动状态，此时可实现探头的清洁，且能够将地面上的尘土清洁，提高了检测效果。
22.此外，通过吸尘器的设置，因车体顶端面安装有一个吸尘器，吸尘器通过连接管与吸尘管相连接，吸尘管安装在辅助槽内，吸尘管位于探头后侧5cm处；车体顶端面安装有一个过滤盒，过滤盒与吸尘器相连接，在使用过程中通过吸尘管可将叶轮扬起的尘土吸收，此时能够提高检测效果。
附图说明
23.为了更清楚地说明本发明的实施例的技术方案，下面将对实施例的附图作简单地介绍。
24.下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制。
25.在附图中：
26.图1是本发明基于量子算法的混凝土裂缝检测装置的轴视结构示意图。
27.图2是本发明图1旋转调整后的轴视结构示意图。
28.图3是本发明基于量子算法的混凝土裂缝检测装置的右视结构示意图。
29.图4是本发明图3的a处放大结构示意图。
30.图5是本发明图2旋转调整后的轴视结构示意图。
31.图6是本发明基于量子算法的混凝土裂缝检测装置的轴视拆分结构示意图。
32.图7是本发明基于量子算法的混凝土裂缝检测装置去除车体后的轴视结构示意图。
33.图8是本发明的系统构成结构示意图。
34.图标记列表
35.1、车体；101、滚轮；102、把手；103、辅助槽；104、安装孔；2、检测部分；201、滑动杆；202、安装块；203、探头；204、锁紧螺母；3、清洁部分；301、安装座；302、电动伸缩杆；303、转动座；304、转轴；305、叶轮；4、标记部分；401、储液桶；402、排液管；5、吸尘器；501、吸尘管；
502、过滤盒；6、控制盒。
具体实施方式
36.下面结合附图和实施例对本发明的实施方式作进一步详细描述。
37.实施例：请参考图1至图8：
38.本发明提出了基于量子算法的混凝土裂缝检测装置，包括：车体1、检测部分2、清洁部分3和标记部分4；
39.车体1上转动连接有两根滚轴，每根滚轴上均安装有两个滚轮101，四个滚轮101均与地面接触，车体1上安装有把手102；
40.车体1前端面开设有辅助槽103，车体1顶端面呈线性阵列状开设有五个安装孔104，五个安装孔104均为长条形孔状结构；
41.检测部分2由滑动杆201、安装块202、探头203和锁紧螺母204组成，滑动杆201共设有六根，六根滑动杆201分别滑动连接在六个安装孔104内；
42.清洁部分3由安装座301、电动伸缩杆302、转动座303、转轴304和叶轮305组成，安装座301焊接在车体1顶端面；
43.标记部分4由储液桶401和排液管402组成，储液桶401安装在车体1上。
44.其中，每根滑动杆201底端面均焊接有一个安装块202，每个安装块202底端面均安装有一个探头203，当滑动杆201在安装孔104内向前移动10cm时探头203位于车体1前端面前侧7cm处，此时通过伸出的探头203可实现狭窄位置的检测，提高了实用性。
45.其中，每根滑动杆201的上半部分均开设有螺纹，每根滑动杆201的上半部分均螺纹连接有一个锁紧螺母204，当锁紧螺母204拧紧后锁紧螺母204的底端面与车体1顶端面弹性接触，此时可实现滑动杆201的固定，避免在移动或者运输过程中探头203伸出导致损伤。
46.其中，转动座303位于车体1前侧，转动座303上转动连接有一根转轴304，转轴304上安装有叶轮305，叶轮305位于探头203前侧10cm处；
47.转轴304通过带轮以及皮带与车体1上的滚轮轴相连接，当滚轮轴转动时叶轮305也呈转动状态，此时可实现探头203的清洁，且能够将地面上的尘土清洁，提高了检测效果。
48.其中，安装座301为l形结构，安装座301底端面安装有一根电动伸缩杆302，电动伸缩杆302下方一端固定在转动座303上，当电动伸缩杆302收缩时转动座303呈向上移动状态，此时可将转动座303提起，避免妨碍探头203的伸出。
49.其中，储液桶401下方连接有一根排液管402，储液桶401内盛放有标记液体，在使用过程中当车体1移动时排液管402处滴落的液体可实现检测后的标记。
50.其中，排液管402位于叶轮305后侧位置，排液管402外壁后端面与转动座303内壁前端面接触，当转轴304转动时叶轮305与排液管402弹性接触，此时排液管402呈间歇滴液状态，此时滴出的液体线条呈间歇状，提高了液体线条的模仿难度，也就避免了造假现象发生。
51.其中，车体1顶端面安装有一个吸尘器5，吸尘器5通过连接管与吸尘管501相连接，吸尘管501安装在辅助槽103内，吸尘管501位于探头203后侧5cm处；
52.车体1顶端面安装有一个过滤盒502，过滤盒502与吸尘器5相连接，在使用过程中通过吸尘管501可将叶轮305扬起的尘土吸收，此时能够提高检测效果。
53.其中，车体1顶部安装有控制盒6，控制盒6设置有量子计算元件，借助于量子受控旋转操作、哈密顿演化和经典richardson-lucy算法将灰度图像转化为量子图像，采用lstm滑动时间窗口研究高精度实时处理模糊图像的量子算法，对混凝土裂缝的形态、长度、宽度、深度等特征进行高精度识别，进而达到精准识别混凝土裂缝种类，判断裂缝对混凝土结构安全性的影响；对数字图像进行滤波降噪处理、增强对比度、阈值分割方便比对，创建混凝土裂缝图像特征分类识别库：提取目标特征值灰度特征、几何特征、纹理特征和特征向量，建立特征库；采用量子卷积神经网络、量子bp神经网络和量子支持向量机，基于样本数据和特征库进行训练；选择分类方法量子卷积神经网络、量子bp神经网络和量子支持向量机和模型，对当前加载的图像进行分类，生成分类图像。
54.本实施例的具体使用方式与作用：
55.使用时，因车体1顶部安装有控制盒6，控制盒6设置有量子计算元件，借助于量子受控旋转操作、哈密顿演化和经典richardson-lucy算法将灰度图像转化为量子图像，采用lstm滑动时间窗口研究高精度实时处理模糊图像的量子算法，对混凝土裂缝的形态、长度、宽度、深度等特征进行高精度识别，进而达到精准识别混凝土裂缝种类，判断裂缝对混凝土结构安全性的影响；对数字图像进行滤波降噪处理、增强对比度、阈值分割方便比对，创建混凝土裂缝图像特征分类识别库：提取目标特征值灰度特征、几何特征、纹理特征和特征向量，建立特征库；采用量子卷积神经网络、量子bp神经网络和量子支持向量机，基于样本数据(具体为：训练数据为公开混凝土裂缝数据集concretecrackimagesforclassification、cfd等)和特征库进行训练；本文将28
×
28像素的混凝土裂缝样本数据采用高斯金字塔下采样的方式，将手写数字样本下采样为4
×
4像素的灰度图像。灰度图像通过min-max归一化操作和量子数据编码后，会有16个输入量子比特作为量子卷积神经网络(qcnn)的输入，每经过一层量子池化，量子比特的数量缩减为原来的一半；选择分类方法量子卷积神经网络(此处采用平均池化下采样的三层网络结构的qcnn模型具有更高的测试精度)、量子bp神经网络和量子支持向量机和模型，对当前加载的图像进行分类，生成分类图像和特征库进行训练；选择分类方法量子卷积神经网络、量子bp神经网络和量子支持向量机和模型，对当前加载的图像进行分类，生成分类图像，此时可提高检测精度；
56.当需要对狭窄区进行检测时，因每根滑动杆201底端面均焊接有一个安装块202，每个安装块202底端面均安装有一个探头203，当滑动杆201在安装孔104内向前移动10cm时探头203位于车体1前端面前侧7cm处，此时通过伸出的探头203可实现狭窄位置的检测，提高了实用性；
57.在检测过程中，因储液桶401下方连接有一根排液管402，储液桶401内盛放有标记液体，在使用过程中当车体1移动时排液管402处滴落的液体可实现检测后的标记；又因排液管402位于叶轮305后侧位置，排液管402外壁后端面与转动座303内壁前端面接触，当转轴304转动时叶轮305与排液管402弹性接触，此时排液管402呈间歇滴液状态，此时滴出的液体线条呈间歇状，提高了液体线条的模仿难度，也就避免了造假现象发生；又因车体1顶端面安装有一个吸尘器5，吸尘器5通过连接管与吸尘管501相连接，吸尘管501安装在辅助槽103内，吸尘管501位于探头203后侧5cm处；车体1顶端面安装有一个过滤盒502，过滤盒502与吸尘器5相连接，在使用过程中通过吸尘管501可将叶轮305扬起的尘土吸收，此时能够提高检测效果；
58.在车体1移动时，因转动座303位于车体1前侧，转动座303上转动连接有一根转轴304，转轴304上安装有叶轮305，叶轮305位于探头203前侧10cm处；转轴304通过带轮以及皮带与车体1上的滚轮轴相连接，当滚轮轴转动时叶轮305也呈转动状态，此时可实现探头203的清洁，且能够将地面上的尘土清洁，提高了检测效果；
59.在运输以及移动过程中，因每根滑动杆201的上半部分均开设有螺纹，每根滑动杆201的上半部分均螺纹连接有一个锁紧螺母204，当锁紧螺母204拧紧后锁紧螺母204的底端面与车体1顶端面弹性接触，此时可实现滑动杆201的固定，避免在移动或者运输过程中探头203伸出导致损伤。

技术特征：
1.基于量子算法的混凝土裂缝检测装置，其特征在于，包括：车体(1)、检测部分(2)、清洁部分(3)和标记部分(4)；所述车体(1)上转动连接有两根滚轴，每根滚轴上均安装有两个滚轮(101)，四个滚轮(101)均与地面接触，车体(1)上安装有把手(102)；车体(1)前端面开设有辅助槽(103)，车体(1)顶端面呈线性阵列状开设有五个安装孔(104)，五个安装孔(104)均为长条形孔状结构；所述检测部分(2)由滑动杆(201)、安装块(202)、探头(203)和锁紧螺母(204)组成，滑动杆(201)共设有六根，六根滑动杆(201)分别滑动连接在六个安装孔(104)内；每根所述滑动杆(201)底端面均焊接有一个安装块(202)，每个安装块(202)底端面均安装有一个探头(203)，当滑动杆(201)在安装孔(104)内向前移动10cm时探头(203)位于车体(1)前端面前侧7cm处；所述清洁部分(3)由安装座(301)、电动伸缩杆(302)、转动座(303)、转轴(304)和叶轮(305)组成，安装座(301)焊接在车体(1)顶端面；所述标记部分(4)由储液桶(401)和排液管(402)组成，储液桶(401)安装在车体(1)上。2.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：每根所述滑动杆(201)的上半部分均开设有螺纹，每根滑动杆(201)的上半部分均螺纹连接有一个锁紧螺母(204)，当锁紧螺母(204)拧紧后锁紧螺母(204)的底端面与车体(1)顶端面弹性接触。3.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述转动座(303)位于车体(1)前侧，转动座(303)上转动连接有一根转轴(304)，转轴(304)上安装有叶轮(305)，叶轮(305)位于探头(203)前侧10cm处。4.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述转轴(304)通过带轮以及皮带与车体(1)上的滚轮轴相连接，当滚轮轴转动时叶轮(305)也呈转动状态。5.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述安装座(301)为l形结构，安装座(301)底端面安装有一根电动伸缩杆(302)，电动伸缩杆(302)下方一端固定在转动座(303)上，当电动伸缩杆(302)收缩时转动座(303)呈向上移动状态。6.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述储液桶(401)下方连接有一根排液管(402)，储液桶(401)内盛放有标记液体。7.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述排液管(402)位于叶轮(305)后侧位置，排液管(402)外壁后端面与转动座(303)内壁前端面接触，当转轴(304)转动时叶轮(305)与排液管(402)弹性接触，此时排液管(402)呈间歇滴液状态，此时滴出的液体线条呈间歇状。8.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述车体(1)顶端面安装有一个吸尘器(5)，吸尘器(5)通过连接管与吸尘管(501)相连接，吸尘管(501)安装在辅助槽(103)内，吸尘管(501)位于探头(203)后侧5cm处；车体(1)顶端面安装有一个过滤盒(502)，过滤盒(502)与吸尘器(5)相连接。9.如权利要求1所述基于量子算法的混凝土裂缝检测装置，其特征在于：所述车体(1)顶部安装有控制盒(6)，控制盒(6)设置有量子计算元件。

技术总结
本发明提供了基于量子算法的混凝土裂缝检测装置，涉及检测装置技术领域，包括：车体、检测部分、清洁部分和标记部分；车体上转动连接有两根滚。因每根所述滑动杆底端面均焊接有一个安装块，每个安装块底端面均安装有一个探头，当滑动杆在安装孔内向前移动10cm时探头位于车体前端面前侧7cm处，此时通过伸出的探头可实现狭窄位置的检测，提高了实用性，解决了量子卷积神经网络算法(QCNN)相比于传统的数字图像算法，QCNN能够通过量子并行性，大幅提高计算效率；这意味着在相同的时间内，QCNN能够处理更多的数据并完成更复杂的任务，并且QCNN可以通过量子旋转门和量子线路对数据进行编码和处理，从而更好地捕获数据的特征。所以解决了传统数字图像的一些问题。以解决了传统数字图像的一些问题。以解决了传统数字图像的一些问题。


技术研发人员：范兴奎 王一攀 桑德政 伊廷友
受保护的技术使用者：青岛理工大学
技术研发日：2023.03.16
技术公布日：2023/7/18