探讨AI 技术在住宅套内检测工作中的应用

2024-06-02陆一斌

中国设备工程 2024年10期

陆一斌

（上海阳旭建设工程检测技术有限公司，上海 201616）

1 在检测过程中对AI 技术的硬件支持

1.1 全自动三维激光扫描仪

全自动三维激光扫描仪（如图1）作为目前最先进的扫描技术，对于检测和测绘领域来说是一种全新的技术革新，其在不与建筑物表面直接接触下，在任何形状的空间控制中，轻而易举地捕获和记录距离、高差、面积、周长、坡度、夹角等数据，甚至实现测量难以碰触的建筑位置。三维激光扫描技术，通过内部的激光脉冲发射器向建筑物各个位置和形状发射激光脉冲，反光镜旋转，发射出的激光脉冲扫过被测目标信号接收来自目标反射回来的激光脉冲，通过每个激光脉冲从发出到被测目标表面返回仪器所经过的时间可以获得被测目标到扫描中心的距离同时扫描控制模块控制和测量每个激光脉冲的水平扫描角nr 和竖向扫描角p，再通过处理软件直接构建出建筑物空间的三维坐标（云点），进而转换成绝对坐标系的三维立体模型（如图2）。

图1 全自动三维激光扫描仪

图2 三维立体模型

三维激光扫描仪根据不同的测量方式，主要分为三种，分别为基于相位差、脉冲式和三角测量，它们原理都是依据于激光测距，目前市面上以脉冲式为主。

不同于传统的测量方法，它直接将原来的单点测量过渡到面点测量的技术革新。为确保扫描测量的质量，提升数据的质量，对测量人员的的要求更高，不仅体现在扫描的效率上，更体现在扫描的精度上。

1.2 5G 智能安全帽

5G 智能安全（如图3）以5G 物联网+智能硬件为技术手段，通过检测人员的现场佩戴、通过具有的高清影像功能和远程通讯功能，检测人员直接触发相应按钮，即可对住宅套内的现场环境、质量情况、安全情况等实时视频、照相自动采集、通过5G 网络同步传输，接入至远程系统管理集中平台（如图4），最后在终端实时数据分析，为检测负责人提供现场管理和决策依据。

图3 5G 智能安全帽

图4 远程系统管理平台

在检测过程中，现场检测人员之间以及和远程监控、质量负责人员等通过相互音视频通话，及时沟通各个组之间的工作衔接、及时发现工程质量和使用功能上的缺陷，对现场的检测工作进行实时的指导，对检测人员的工作程序、工作方法及时进行建议并持续改进。同时，通过北斗实时精确定位，明确检测人员的具体方位等。

1.3 其他检测设备和辅助设备

住宅套内检测中涉及的如激光标线仪、坡度仪、2m检查尺、塞尺、钢尺、线锤等传统检测工具，现场实际数据通过人工及语音记录、现场情况确认等手段实现检测任务。

2 AI 技术在住宅套内检测中的应用

AI 技术在住宅套内检测中的应用主要体现在4 个方面：图像识别功能、语音识别功能、检测数据分析功能和处理、自主学习和辅助决策功能。

2.1 图像识别功能

图像识别是智能识别领域中最常用的应用之一。通过现场检测人员佩戴的5G 智能安全帽，在检测时，由安全帽上的高清摄像头实时上传视频影像。通过AI 技术对在质量上或功能上有问题的部位，通过图像识别和预先设定的深度学习模型，对上传的图像、视频或音频在AI 技术平台上先进行目标分类，将其归类至质量问题还是功能使用上的问题，或者是使用上存在安全问题，比对设定的规范要求，结合库内收入的质量通病、功能缺陷、安全隐患等资料，自主判断检测目标的问题所在、严重程度、维修建议和整改措施。以上海项目精装房的厨房间的电源插座的型号、数量为例，检查人员通过高清摄像头，拍摄厨房间位置每面墙体的影像视频（包括橱柜的细节），AI 技术通过影像全景无拼缝衔接厨房间内部景象，形成立体实景模型，结合数据库内资料对模型中的插座型号和数量自动进行标注，如插座未装有带开关型的、插座数量有5 个等，并通过深度学习模型比对上海市住宅设计标准（DGJ08-20-2019），自主判断属于功能使用性缺陷，形成缺陷总结，要求和建议建设单位在那些位置增加和更换插座。通过实景模型，还可判断插座具体位置是否合理，是否离燃气管线过近等提出合理建议，帮助现场检测人员及时进行检查、复核。

通过全自动三维激光扫描仪，将每套住宅内的每间功能性房间进行全方位的扫描，扫描仪将房间内的净高、开间尺寸、门窗洞口位置和尺寸、地坪和墙面表面等，依靠扫描仪测站拼接技术将测得的数据实时上传至AI 技术平台，平台通过学习模型，将每套住宅的检测数据置于同一个坐标系，并以室内各房间模型的形式，在应检测对应的位置上标注实测数据，标注的位置均可在屏幕上移动，移动时是数据进行实时更新。以精装房的房间净高检测为例，将三维激光扫描仪置于房间偏中位置，避开灯具，开机后扫描仪通过自带的4 相机，360°进行自动扫描，形成高清全景照片，并在各个节点上标注净高实测数据，上传至AI 技术平台库。平台库根据我们按检测要求设定的检测点位置设置于距离墙面200mm 的位置处，此处位置上方可能有吊顶的，必须移出吊顶区域。根据平台设定的学习模型，对应规范要求和规定的设计推算值，在房间模型中实时显示被测点的数据及偏差，结合地坪、墙面的实测数据，对净高、开间尺寸、阴阳角方正、地面和墙面平整度等作出自主判断，并形成设定的数据汇总表，对存在的不符合要求的数据形成报表，以提交相关参建单位进行整改。

通过其他检测设备和辅助检测设备，以视频方式记录检测过程中发现的问题，比如，墙面和地面开裂、起砂，墙面、屋面渗漏等病害情况，门窗开合状况等众多质量问题，以及如排水管水封设计，排污管排气口设置位置等一些影响使用功能的问题。

2.2 语音识别功能

语音识别功能也被广泛应用于智能识别领域中，检测人员通过5G 智能安全帽上的实时语音识别技术，将住宅套内检测的数据、感官检测描述、现场缺陷描述等模拟转换出文本数据，进行永久性记录。语音识别一般加以图像识别为辅助，以住宅套内中厨房间的检测为例。检测墙面瓷砖时，采用响鼓锤连续敲击瓷砖，根据反馈的敲击声音查看瓷砖空鼓位置和大约面积，并通过实时语音记录将数据上传至AI 平台，平台技术根据数据进行分析，结合同步的视频，将分析结果汇总形成书面报告，在每个缺陷处以图片作为附件。语音识别功能极大地减轻了检测人员的现场书面记录，加快了检测的速度，提高检测的效率和准确率。

2.3 检测数据分析和处理功能

AI 技术在我们各个行业中的正在逐步推进，应用领域逐渐推广，特别在数据分析和处理领域，有着更多、更大的优势。

2.3.1 数据分析

在我们住宅套内检测中，人工智能通过设备实时采集的数据源进行分析，更加有效、快速的识别，也能分类区分不同的数据类型，为数据分析工程提供更准确的数据支持，确保检测数据分析的准确性。以阳台的高度、栏杆宽度检测为例，对于采集的实测数据来说，一部分为检测数据，实际决定检测结果，一部分作为检测的检验数据，影响检测数据的最终检测结果。比如，栏杆间的宽度实测数据、栏杆的高度实测数据均属检测数据；栏杆的可踏面宽度、高度属于检验数据，比对AI 技术库内的可踏面技术规定，是否判断为可踏面对于检测数据来说影响重大，并决定了检测结果是否满足规范的要求，判断工程质量是否合格的依据。

2.3.2 数据处理

在实际检测中，产生的数据收集到数据库中，AI 技术将数据进行处理、比对数据库中多维度数据，利用人工智能技术发现和掌握工程质量的现有问题和情况，作出相应的处理建议。比如，对于地面平整度的检测来说，AI 技术将三维激光扫描仪上传的图像资料进行分析处理，判断地面材质的类别，比对库内规范规定的不同材质、相应位置和相应偏差，对实测的平整度数据进行处理，形成检测报告并判定检测结果，提出整改意见。

2.4 自主学习和辅助决策功能

AI 能够利用深度学习和机器学习等算法，对巨量的数据进行分析，比对，挖掘出更多的信息。机器学习[2]是指专门研究计算机采取何种方式或手段对人类进行模拟的学习行为，并通过这种行为获取新的知识，使自身已有的知识体系得到重新架设，使其自身的性能得到不断的提高，它是人工智能的核心，是让机器拥有和人类一样的学习和思考模式。深度学习是指机器学习领域中的一个新的研究方向，学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对文字、图像和声音等数据的解释用处很大；它最终让机器像人一样具有分析学习能力，能够识别文字、图像、声音等数据，是复杂机器学习算法。

住宅套内检测的项目内容繁杂、检测参数繁多、检测手段各异、检测工具多样，AI 技术无法全方面涉及。对于目前的检测结果，通过AI 技术形成的技术报告只能作为人工检测中的辅助手段，减轻人工检测中的大量工作，对作为整个工程的最终的质量结果判断，起到了辅助决策的角色。

3 住宅套内检测引入AI 技术提升质监部门的监管方式

对于住宅项目整个施工来说，周期长、节点多，而住宅套内检测随着施工的各个节点进行，也体现在检测周期长、检测和复测次数多。现有的检测手段和检测结果大多存于检测单位中，而政府质量监管部门对本地区的住宅工程的质量监管达不到全数、全面的监管，最终在验收或交房时发现不少问题，甚至发生群访等事件，而产生不良的社会影响。AI 技术在住宅套内检测中的应用，可将每次的检测过程、结果判断等资料实时发给政府监管的相关部门，监管部门对质量问题比较严重的项目进行重点关注和检查。这样既增加了政府对住宅工程质量的监控力度，也丰富和提升了监管部门监管手段和监管方式。