探討AI 技術在住宅套內檢測工作中的應用

陸一斌

（上海陽旭建設工程檢測技術有限公司，上海 201616）

1 在檢測過程中對AI 技術的硬件支持

1.1 全自動三維激光掃描儀

全自動三維激光掃描儀（如圖1）作為目前最先進的掃描技術，對于檢測和測繪領域來說是一種全新的技術革新，其在不與建筑物表面直接接觸下，在任何形狀的空間控制中，輕而易舉地捕獲和記錄距離、高差、面積、周長、坡度、夾角等數據，甚至實現測量難以碰觸的建筑位置。三維激光掃描技術，通過內部的激光脈沖發射器向建筑物各個位置和形狀發射激光脈沖，反光鏡旋轉，發射出的激光脈沖掃過被測目標信號接收來自目標反射回來的激光脈沖，通過每個激光脈沖從發出到被測目標表面返回儀器所經過的時間可以獲得被測目標到掃描中心的距離同時掃描控制模塊控制和測量每個激光脈沖的水平掃描角nr 和豎向掃描角p，再通過處理軟件直接構建出建筑物空間的三維坐標（云點），進而轉換成絕對坐標系的三維立體模型（如圖2）。

圖1 全自動三維激光掃描儀

圖2 三維立體模型

三維激光掃描儀根據不同的測量方式，主要分為三種，分別為基于相位差、脈沖式和三角測量，它們原理都是依據于激光測距，目前市面上以脈沖式為主。

不同于傳統的測量方法，它直接將原來的單點測量過渡到面點測量的技術革新。為確保掃描測量的質量，提升數據的質量，對測量人員的的要求更高，不僅體現在掃描的效率上，更體現在掃描的精度上。

1.2 5G 智能安全帽

5G 智能安全（如圖3）以5G 物聯網+智能硬件為技術手段，通過檢測人員的現場佩戴、通過具有的高清影像功能和遠程通訊功能，檢測人員直接觸發相應按鈕，即可對住宅套內的現場環境、質量情況、安全情況等實時視頻、照相自動采集、通過5G 網絡同步傳輸，接入至遠程系統管理集中平臺（如圖4），最后在終端實時數據分析，為檢測負責人提供現場管理和決策依據。

圖3 5G 智能安全帽

圖4 遠程系統管理平臺

在檢測過程中，現場檢測人員之間以及和遠程監控、質量負責人員等通過相互音視頻通話，及時溝通各個組之間的工作銜接、及時發現工程質量和使用功能上的缺陷，對現場的檢測工作進行實時的指導，對檢測人員的工作程序、工作方法及時進行建議并持續改進。同時，通過北斗實時精確定位，明確檢測人員的具體方位等。

1.3 其他檢測設備和輔助設備

住宅套內檢測中涉及的如激光標線儀、坡度儀、2m檢查尺、塞尺、鋼尺、線錘等傳統檢測工具，現場實際數據通過人工及語音記錄、現場情況確認等手段實現檢測任務。

2 AI 技術在住宅套內檢測中的應用

AI 技術在住宅套內檢測中的應用主要體現在4 個方面：圖像識別功能、語音識別功能、檢測數據分析功能和處理、自主學習和輔助決策功能。

2.1 圖像識別功能

圖像識別是智能識別領域中最常用的應用之一。通過現場檢測人員佩戴的5G 智能安全帽，在檢測時，由安全帽上的高清攝像頭實時上傳視頻影像。通過AI 技術對在質量上或功能上有問題的部位，通過圖像識別和預先設定的深度學習模型，對上傳的圖像、視頻或音頻在AI 技術平臺上先進行目標分類，將其歸類至質量問題還是功能使用上的問題，或者是使用上存在安全問題，比對設定的規范要求，結合庫內收入的質量通病、功能缺陷、安全隱患等資料，自主判斷檢測目標的問題所在、嚴重程度、維修建議和整改措施。以上海項目精裝房的廚房間的電源插座的型號、數量為例，檢查人員通過高清攝像頭，拍攝廚房間位置每面墻體的影像視頻（包括櫥柜的細節），AI 技術通過影像全景無拼縫銜接廚房間內部景象，形成立體實景模型，結合數據庫內資料對模型中的插座型號和數量自動進行標注，如插座未裝有帶開關型的、插座數量有5 個等，并通過深度學習模型比對上海市住宅設計標準（DGJ08-20-2019），自主判斷屬于功能使用性缺陷，形成缺陷總結，要求和建議建設單位在那些位置增加和更換插座。通過實景模型，還可判斷插座具體位置是否合理，是否離燃氣管線過近等提出合理建議，幫助現場檢測人員及時進行檢查、復核。

通過全自動三維激光掃描儀，將每套住宅內的每間功能性房間進行全方位的掃描，掃描儀將房間內的凈高、開間尺寸、門窗洞口位置和尺寸、地坪和墻面表面等，依靠掃描儀測站拼接技術將測得的數據實時上傳至AI 技術平臺，平臺通過學習模型，將每套住宅的檢測數據置于同一個坐標系，并以室內各房間模型的形式，在應檢測對應的位置上標注實測數據，標注的位置均可在屏幕上移動，移動時是數據進行實時更新。以精裝房的房間凈高檢測為例，將三維激光掃描儀置于房間偏中位置，避開燈具，開機后掃描儀通過自帶的4 相機，360°進行自動掃描，形成高清全景照片，并在各個節點上標注凈高實測數據，上傳至AI 技術平臺庫。平臺庫根據我們按檢測要求設定的檢測點位置設置于距離墻面200mm 的位置處，此處位置上方可能有吊頂的，必須移出吊頂區域。根據平臺設定的學習模型，對應規范要求和規定的設計推算值，在房間模型中實時顯示被測點的數據及偏差，結合地坪、墻面的實測數據，對凈高、開間尺寸、陰陽角方正、地面和墻面平整度等作出自主判斷，并形成設定的數據匯總表，對存在的不符合要求的數據形成報表，以提交相關參建單位進行整改。

通過其他檢測設備和輔助檢測設備，以視頻方式記錄檢測過程中發現的問題，比如，墻面和地面開裂、起砂，墻面、屋面滲漏等病害情況，門窗開合狀況等眾多質量問題，以及如排水管水封設計，排污管排氣口設置位置等一些影響使用功能的問題。

2.2 語音識別功能

語音識別功能也被廣泛應用于智能識別領域中，檢測人員通過5G 智能安全帽上的實時語音識別技術，將住宅套內檢測的數據、感官檢測描述、現場缺陷描述等模擬轉換出文本數據，進行永久性記錄。語音識別一般加以圖像識別為輔助，以住宅套內中廚房間的檢測為例。檢測墻面瓷磚時，采用響鼓錘連續敲擊瓷磚，根據反饋的敲擊聲音查看瓷磚空鼓位置和大約面積，并通過實時語音記錄將數據上傳至AI 平臺，平臺技術根據數據進行分析，結合同步的視頻，將分析結果匯總形成書面報告，在每個缺陷處以圖片作為附件。語音識別功能極大地減輕了檢測人員的現場書面記錄，加快了檢測的速度，提高檢測的效率和準確率。

2.3 檢測數據分析和處理功能

AI 技術在我們各個行業中的正在逐步推進，應用領域逐漸推廣，特別在數據分析和處理領域，有著更多、更大的優勢。

2.3.1 數據分析

在我們住宅套內檢測中，人工智能通過設備實時采集的數據源進行分析，更加有效、快速的識別，也能分類區分不同的數據類型，為數據分析工程提供更準確的數據支持，確保檢測數據分析的準確性。以陽臺的高度、欄桿寬度檢測為例，對于采集的實測數據來說，一部分為檢測數據，實際決定檢測結果，一部分作為檢測的檢驗數據，影響檢測數據的最終檢測結果 。比如，欄桿間的寬度實測數據、欄桿的高度實測數據均屬檢測數據；欄桿的可踏面寬度、高度屬于檢驗數據，比對AI 技術庫內的可踏面技術規定，是否判斷為可踏面對于檢測數據來說影響重大，并決定了檢測結果是否滿足規范的要求，判斷工程質量是否合格的依據。

2.3.2 數據處理

在實際檢測中，產生的數據收集到數據庫中，AI 技術將數據進行處理、比對數據庫中多維度數據，利用人工智能技術發現和掌握工程質量的現有問題和情況，作出相應的處理建議。比如，對于地面平整度的檢測來說，AI 技術將三維激光掃描儀上傳的圖像資料進行分析處理，判斷地面材質的類別，比對庫內規范規定的不同材質、相應位置和相應偏差，對實測的平整度數據進行處理，形成檢測報告并判定檢測結果，提出整改意見。

2.4 自主學習和輔助決策功能

AI 能夠利用深度學習和機器學習等算法，對巨量的數據進行分析，比對，挖掘出更多的信息。機器學習[2]是指專門研究計算機采取何種方式或手段對人類進行模擬的學習行為，并通過這種行為獲取新的知識，使自身已有的知識體系得到重新架設，使其自身的性能得到不斷的提高，它是人工智能的核心，是讓機器擁有和人類一樣的學習和思考模式。深度學習是指機器學習領域中的一個新的研究方向，學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對文字、圖像和聲音等數據的解釋用處很大；它最終讓機器像人一樣具有分析學習能力，能夠識別文字、圖像、聲音等數據，是復雜機器學習算法。

住宅套內檢測的項目內容繁雜、檢測參數繁多、檢測手段各異、檢測工具多樣，AI 技術無法全方面涉及。對于目前的檢測結果，通過AI 技術形成的技術報告只能作為人工檢測中的輔助手段，減輕人工檢測中的大量工作，對作為整個工程的最終的質量結果判斷，起到了輔助決策的角色。

3 住宅套內檢測引入AI 技術提升質監部門的監管方式

對于住宅項目整個施工來說，周期長、節點多，而住宅套內檢測隨著施工的各個節點進行，也體現在檢測周期長、檢測和復測次數多。現有的檢測手段和檢測結果大多存于檢測單位中，而政府質量監管部門對本地區的住宅工程的質量監管達不到全數、全面的監管，最終在驗收或交房時發現不少問題，甚至發生群訪等事件，而產生不良的社會影響。AI 技術在住宅套內檢測中的應用，可將每次的檢測過程、結果判斷等資料實時發給政府監管的相關部門，監管部門對質量問題比較嚴重的項目進行重點關注和檢查。這樣既增加了政府對住宅工程質量的監控力度，也豐富和提升了監管部門監管手段和監管方式。

4 結語

AI 技術在住宅工程套內檢測的應用中，不僅提高了檢測單位的檢測效率和檢測精度，而且為住宅工程的質量提供了有力的保障。隨著AI 技術的不斷發展和完善，其也必定會在我們的工程檢測事業中不斷深入、不斷推進。我們也期待著AI 技術能為我們的檢測工作帶來更多的突破、更多的創新和更大的收獲。