本發明涉及橋梁監測，尤其涉及一種基于邊緣計算的橋梁裂縫實時監測方法。
背景技術：
1、目前，隨著基礎設施的老化和環境因素的影響，橋梁結構的安全性和耐久性面臨著嚴峻挑戰。橋梁裂縫是一種常見的結構損傷，可能導致橋梁性能下降甚至引發安全事故。因此，對橋梁裂縫進行實時、準確的監測具有重要意義。
2、傳統的橋梁裂縫監測方法主要依賴人工巡檢，存在效率低、精度不高、無法實時監測等問題。隨著傳感器技術和計算機視覺技術的發展，一些自動化的橋梁裂縫監測方法被提出。這些方法通常采用圖像處理技術對橋梁表面進行分析，但仍存在一些局限性。
3、首先，單一的數據采集方式難以全面反映橋梁裂縫的狀況。僅依靠可見光圖像難以捕捉到一些隱蔽的裂縫，也無法獲取裂縫的深度信息。其次，傳統的中心化處理方式存在數據傳輸延遲和計算資源不足的問題，難以滿足實時監測的需求。再者，現有的裂縫檢測方法往往針對特定場景進行優化，缺乏自適應能力，難以應對復雜多變的橋梁環境。
4、此外，現有技術在數據融合、異常監控、系統可靠性等方面也存在不足。例如，缺乏對多源異構數據的有效融合方法，難以充分利用不同傳感器的優勢；缺乏對橋梁結構狀態的全面異常監控機制；系統的可靠性和容錯能力有待提高。同時，現場勘察仍主要依賴工程人員的經驗，缺乏直觀、高效的輔助工具。
5、因此需要一種可以解決上述問題的一種基于邊緣計算的橋梁裂縫實時監測方法。
技術實現思路
1、本發明提供了一種基于邊緣計算的橋梁裂縫實時監測方法，解決了傳統橋梁裂縫監測方法存在的效率低、精度不高、無法實時監測等問題，具有數據采集全面、處理實時高效、自適應能力強、異常監控全面、系統可靠性高、現場勘察直觀高效的優點。
2、本發明為解決上述技術問題所采用的技術方案是：一種基于邊緣計算的橋梁裂縫實時監測方法，包括：s1：利用高光譜成像相機、熱成像裝置以及激光雷達進行橋梁裂縫數據采集，獲得橋梁裂縫數據并將橋梁裂縫數據傳輸至邊緣計算節點；s2：基于橋梁裂縫數據，利用邊緣學習技術對邊緣計算節點進行自適應調整，包括動態資源分配與智能任務調度；s3：使用標注過的橋梁裂縫圖像數據集來訓練一個深度學習模型，通過元學習技術以及模型壓縮方法對深度學習模型進行自適應處理；s4：對橋梁裂縫數據進行特征提取，利用融合方法對采集到的橋梁裂縫數據進行融合，然后將融合后的橋梁裂縫數據輸入深度學習模型中，最后輸出對橋梁裂縫的判斷分析結果；s5：基于s4輸出的判斷分析結果，建立異常監控模型，進一步對橋梁的結構狀態進行異常監控。
3、進一步的，所述s1中利用高光譜成像、熱成像裝置以及激光雷達進行橋梁裂縫數據采集包括：使用高光譜相機采集橋梁表面的高光譜圖像；利用熱成像裝置，獲得橋表面的溫度分布圖；通過激光雷達掃描橋梁表面，生成三維點云數據；由采集到的高光譜圖像、溫度分布圖、三維點云數據構成橋梁裂縫數據集。
4、進一步的，所述s2中基于橋梁裂縫數據，利用邊緣學習技術對邊緣計算節點進行自適應調整，包括動態資源分配與智能任務調度，在邊緣部署中，動態調整計算資源，以應對不均勻的數據負載。
5、進一步的，該橋梁裂縫實時監測方法基于橋梁裂縫實時監測系統實現，橋梁裂縫實時監測系統采用分布式的架構，包括：分布式邊緣計算節點、云平臺和中央服務器；所述分布式邊緣計算節點，分布在橋梁的不同位置，負責接收、處理由高光譜成像相機、熱成像裝置以及激光雷達獲取到的橋梁裂縫數據；所述云平臺，用于處理分布式邊緣計算節點上傳的大規模數據；所述中央服務器，集中管理所有邊緣計算節點的任務調度與數據存儲。
6、進一步的，所述橋梁裂縫實時監測系統采用增強學習優化網絡結構配置，該增強學習優化網絡結構配置的方法包括：a.使用模擬退火和遺傳算法進行優化，通過模擬退火，找到接近最優的網絡結構；b.利用遺傳算法和仿真模擬，自動調整網絡的資源分配；c.針對橋梁裂縫實時監測系統中異常的檢測，利用機器學習模型，對異常進行快速實時檢測；所述異常包括系統性能、可用性、安全性和資源利用情況；d.利用異常處理策略，對監測到的異常進行處理，包括：當監測到異常時，根據異常類型、嚴重等級以及歷史處理記錄，自動選擇異常處理策略。
7、進一步的，還包括s6：針對邊緣計算節點進行冗余度配置，包括：在邊緣計算節點中設計冗余備份機制，監測系統數據和深度學習模型參數在多個節點間同步存儲，以確保其中一個節點失效時，其他節點依舊可用；邊緣計算節點采用高速網絡冗余備份設計，用于確保通訊鏈路的可靠性。
8、進一步的，所述邊緣計算節點之間的數據協作以及數據共享基于聯邦學習技術來實現，聯邦學習技術采用以下方法：每個邊緣節點具有各自的本地數據集，邊緣節點之間進行參數交換和梯度聚合，數據處理和分析任務在邊緣節點之間進行，在云服務器的輔助下進行數據的計算和協同。
9、進一步的，還包括s7：引入增強現實技術輔助工程人員進行現場勘察。
10、進一步的，所述增強現實技術輔助工程人員進行現場勘察包括：s71：對橋梁裂縫的現場狀況數據進行采集；s72：制作增強現實模型，并進行真實場景融合；s73：利用增強現實技術，通過終端設備顯示增強現實效果；s74：工程人員通過增強現實效果確定橋梁裂縫的現場狀況，進行實時的現場勘察；s75：在確定裂縫現場狀況后，將數據上傳到邊緣計算節點。
11、進一步的，所述s74中，工作人員通過ar眼鏡將真實場景疊加于虛擬現實場景，以輔助進行實時的現場勘察，包括橋梁裂縫的位置定位、形態評估與裂縫嚴重程度記錄。
12、本發明的優點在于：
13、本發明提供的一種基于邊緣計算的橋梁裂縫實時監測方法，包括利用高光譜成像相機、熱成像裝置以及激光雷達進行橋梁裂縫數據采集，利用邊緣學習技術對邊緣計算節點進行自適應調整，使用深度學習模型進行裂縫分析，建立異常監控模型，并引入增強現實技術輔助現場勘察，通過多源數據采集、邊緣計算、深度學習和增強現實等技術的綜合應用，解決了傳統橋梁裂縫監測方法存在的效率低、精度不高、無法實時監測等問題，具有數據采集全面、處理實時高效、自適應能力強、異常監控全面、系統可靠性高、現場勘察直觀高效的優點。
1.一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于，包括：s1：利用高光譜成像相機、熱成像裝置以及激光雷達進行橋梁裂縫數據采集，獲得橋梁裂縫數據并將橋梁裂縫數據傳輸至邊緣計算節點；s2：基于橋梁裂縫數據，利用邊緣學習技術對邊緣計算節點進行自適應調整，包括動態資源分配與智能任務調度；s3：使用標注過的橋梁裂縫圖像數據集來訓練一個深度學習模型，通過元學習技術以及模型壓縮方法對深度學習模型進行自適應處理；s4：對橋梁裂縫數據進行特征提取，利用融合方法對采集到的橋梁裂縫數據進行融合，然后將融合后的橋梁裂縫數據輸入深度學習模型中，最后輸出對橋梁裂縫的判斷分析結果；s5：基于s4輸出的判斷分析結果，建立異常監控模型，進一步對橋梁的結構狀態進行異常監控。
2.根據權利要求1所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述s1中利用高光譜成像、熱成像裝置以及激光雷達進行橋梁裂縫數據采集包括：使用高光譜相機采集橋梁表面的高光譜圖像；利用熱成像裝置，獲得橋表面的溫度分布圖；通過激光雷達掃描橋梁表面，生成三維點云數據；由采集到的高光譜圖像、溫度分布圖、三維點云數據構成橋梁裂縫數據集。
3.根據權利要求1所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述s2中基于橋梁裂縫數據，利用邊緣學習技術對邊緣計算節點進行自適應調整，包括動態資源分配與智能任務調度，在邊緣部署中，動態調整計算資源，以應對不均勻的數據負載。
4.根據權利要求1所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：該橋梁裂縫實時監測方法基于橋梁裂縫實時監測系統實現，橋梁裂縫實時監測系統采用分布式的架構，包括：分布式邊緣計算節點、云平臺和中央服務器；所述分布式邊緣計算節點，分布在橋梁的不同位置，負責接收、處理由高光譜成像相機、熱成像裝置以及激光雷達獲取到的橋梁裂縫數據；所述云平臺，用于處理分布式邊緣計算節點上傳的大規模數據；所述中央服務器，集中管理所有邊緣計算節點的任務調度與數據存儲。
5.根據權利要求4所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述橋梁裂縫實時監測系統采用增強學習優化網絡結構配置，該增強學習優化網絡結構配置的方法包括：a.使用模擬退火和遺傳算法進行優化，通過模擬退火，找到接近最優的網絡結構；b.利用遺傳算法和仿真模擬，自動調整網絡的資源分配；c.針對橋梁裂縫實時監測系統中異常的檢測，利用機器學習模型，對異常進行快速實時檢測；所述異常包括系統性能、可用性、安全性和資源利用情況；d.利用異常處理策略，對監測到的異常進行處理，包括：當監測到異常時，根據異常類型、嚴重等級以及歷史處理記錄，自動選擇異常處理策略。
6.根據權利要求1所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：還包括s6：針對邊緣計算節點進行冗余度配置，包括：在邊緣計算節點中設計冗余備份機制，監測系統數據和深度學習模型參數在多個節點間同步存儲，以確保其中一個節點失效時，其他節點依舊可用；邊緣計算節點采用高速網絡冗余備份設計，用于確保通訊鏈路的可靠性。
7.根據權利要求6所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述邊緣計算節點之間的數據協作以及數據共享基于聯邦學習技術來實現，聯邦學習技術采用以下方法：每個邊緣節點具有各自的本地數據集，邊緣節點之間進行參數交換和梯度聚合，數據處理和分析任務在邊緣節點之間進行，在云服務器的輔助下進行數據的計算和協同。
8.根據權利要求1所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：還包括s7：引入增強現實技術輔助工程人員進行現場勘察。
9.根據權利要求8所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述增強現實技術輔助工程人員進行現場勘察包括：s71：對橋梁裂縫的現場狀況數據進行采集；s72：制作增強現實模型，并進行真實場景融合；s73：利用增強現實技術，通過終端設備顯示增強現實效果；s74：工程人員通過增強現實效果確定橋梁裂縫的現場狀況，進行實時的現場勘察；s75：在確定裂縫現場狀況后，將數據上傳到邊緣計算節點。
10.根據權利要求9所述的一種基于邊緣計算的橋梁裂縫實時監測方法，其特征在于：所述s74中，工作人員通過ar眼鏡將真實場景疊加于虛擬現實場景，以輔助進行實時的現場勘察，包括橋梁裂縫的位置定位、形態評估與裂縫嚴重程度記錄。