用于混凝土浇筑作业面中的施工状态识别、空间语义解析及决策支持的视觉-语言协同框架
《AUTOMATION IN CONSTRUCTION》:Vision–language collaborative framework for construction state recognition, spatial semantic parsing, and decision support in concrete placement workfaces
【字体:
大
中
小
】
时间:2026年07月14日
来源:AUTOMATION IN CONSTRUCTION 12.6
编辑推荐:
梁鸿宇|吴冰颖|钱遂一|赵晓溪|强胜•本文提出了一种针对混凝土浇筑工作面的七类施工状态分类体系。•通过全局分类与基于网格的状态场学习实现空间语义解析。•结构化的视觉结果可用于生成基于大语言模型的描述、施工建议及风险分析。
引言
混凝土是最常用的建筑材料,广泛应用于水工结构、桥梁
梁鸿宇|吴冰颖|钱遂一|赵晓溪|强胜•本文提出了一种针对混凝土浇筑工作面的七类施工状态分类体系。•通过全局分类与基于网格的状态场学习实现空间语义解析。•结构化的视觉结果可用于生成基于大语言模型的描述、施工建议及风险分析。
引言
混凝土是最常用的建筑材料,广泛应用于水工结构、桥梁、工业设施、地下工程以及其他基础设施项目中[1]。混凝土施工的质量直接关系到结构的安全性、耐久性以及长期使用性能。随着智能建筑的发展,数字与智能技术被越来越多地引入,以提高施工的安全性、质量、效率以及可持续性[2]。尽管如此,混凝土施工仍然是一个对技术要求极为严格的工艺过程。施工规范规定了混凝土浇筑和振捣的流程要求[3],而质量验收标准则为评估混凝土施工质量提供了依据[4]。这些要求表明,浇筑、振捣和验收是混凝土施工质量控制中紧密相连的环节。在混凝土施工过程中,随着材料铺设、振捣操作以及后续施工界面的形成,浇筑工作面的状态会不断变化。对于现场施工管理而言,及时准确地识别当前工作面状态至关重要,这不仅有助于确保混凝土的密实度,还能为后续的浇筑、振捣处理以及施工协调提供依据。因此,建立对工作面状态连续、准确且一致的认知,是维持施工有序进行、减少潜在质量缺陷和施工风险的前提条件[5]。
目前,混凝土浇筑工作面状态的评估一直依赖于现场人员的经验观察。施工人员通常根据工作面的覆盖情况、砂浆分布、混凝土表面特征以及不同区域之间的界面关系,凭借经验做出判断,从而决定是否继续浇筑、是否需要振捣以及如何协调后续工序。随着智能混凝土振捣技术的发展,相关技术规范越来越重视施工过程中的过程控制、振捣参数管理以及智能质量保障[6]。然而,虽然人工经验判断能够适应特定现场的实际情况,但它存在明显的局限性。首先,评估过程高度依赖个人经验,导致评价标准难以标准化,稳定性不足。其次,不同人员可能会关注工作面范围、关键区域以及状态边界的不同方面,因此即便面对相同的施工场景,也可能会得出不同的结论。第三,经验观察结果往往难以转化为结构化记录,这限制了后续的回顾、共享和重用,也阻碍了智能施工场景中人员、设备与系统之间的信息传递。此外,后续的施工处理和风险评估也依赖于决策者的专业知识和积累的经验,这就导致了不仅在感知层面,而且在知识调用和推理解释层面都存在不稳定性。因此,迫切需要一种智能方法来结构化表示混凝土浇筑工作面状态,从而为后续的施工决策提供支持。
近年来,人们通过基于传感器的监测、设备轨迹分析以及视觉识别等技术,致力于对混凝土施工过程进行监控。这些方法为振捣过程的记录、局部状态识别以及施工质量评估提供了重要支持。尤其是基于深度学习的视觉方法,在识别混凝土表面的可见状态方面取得了显著进展,为施工感知和自动化操作奠定了基础。然而,现有的大多数研究仍侧重于局部问题。有些研究仅关注单一的施工操作或工艺环节,而另一些则主要识别局部图像区域、局部可见状态或局部操作位置,这使得它们难以直接支持对整个工作面状态的全面解读。在实际施工管理中,人们更关注未浇筑区域是否仍在图像覆盖的工作面范围内、哪些区域已经被混凝土覆盖、在已浇筑区域内是否存在振动不足或振动较好的区域,以及这些状态在工作面上的空间分布情况。换言之,现场管理需要的是包含施工语义和空间位置信息的整体状态表征,而不仅仅是局部的类别判断。只有在此基础上,才能进一步解决与现场施工组织直接相关的问题,比如“当前状况如何”、“下一步该做什么”以及“可能存在哪些风险”。
现有研究在这方面仍存在两个主要缺陷。一方面,传统的图像分类方法虽然能够提供图像级别的类别划分,但缺乏表达关键区域空间分布的能力,因此难以直接支持多区域状态描述以及后续的施工建议生成。另一方面,尽管像素级分割方法能够提供更精细的区域边界和空间分布信息,但在混凝土工作面场景中往往面临诸多挑战,包括数据构建成本高、标注一致性差以及工程应用难度大等问题。因此,如何在避免高昂的精细标注成本的同时,实现整体工作面施工状态的识别、关键区域的空间语义表示以及以决策为导向的语义组织,仍然是一个亟待解决的问题。目前,现有的方法尚未形成一个集成框架,能够同时实现混凝土浇筑工作面的整体施工状态识别、未浇筑区域、已浇筑区域以及可见质量状态的空间组织表示,并将这些结构化的视觉结果转化为面向工程的决策支持信息。总而言之,目前还缺乏一种统一的方法论框架,能够同时实现工作面施工状态识别、空间语义解析以及面向工程的决策支持生成。
与此同时,大型语言模型(LLM)的快速发展为工程领域的文本组织、知识辅助和决策支持带来了新的技术可能。在具备结构化信息以及任务特定的约束条件下,LLM能够对输入内容进行总结、解读和扩展,生成符合预定义表达格式的文本输出[7]。对于混凝土施工现场而言,如果能够将视觉识别获得的施工状态、区域位置以及不确定性信息整理为结构化输入,LLM就可以将其转化为现场管理人员容易理解的情景描述、施工建议以及风险预警,从而提升视觉识别结果的可读性和实用价值。因此,将视觉感知输出与语言生成能力相结合,为混凝土施工中的工作面状态解读和辅助决策提供了极具前景的研究方向。
在此背景下,本研究以混凝土浇筑工作面的图像作为研究对象,探讨了现场管理的三个相互关联的层面:施工状态判定、相关区域的空间表达以及基于识别结果的决策支持。本文提出了一种用于混凝土浇筑工作面施工状态识别、空间语义解析和决策支持的视觉-语言协同框架。与仅输出图像级别类别的识别方法不同,本研究注重对图像覆盖工作面区域内的施工状态进行全面表征。具体而言,在识别当前工作面的整体施工状态的同时,该框架还能提取出未浇筑区域、已浇筑区域以及已浇筑区域内不同可见质量状态的大致空间分布,并将其整理为适合现场管理使用的结构化空间语义结果。在此基础上,该框架引入LLM作为结构化视觉结果之上的解读与表达层,将视觉识别输出转化为面向工程的文本输出,包括情景描述、后续施工建议以及潜在风险预警。通过这种方式,实现了从视觉感知到基于语言的决策支持的协同分析。
本研究的目标有三个。首先,通过整合工作面覆盖关系以及与振捣相关的表面可见状态,为混凝土浇筑工作面建立施工状态表征方法。其次,开发一种能够同时预测图像级别施工状态和基于网格的状态场表示的视觉识别方法。最后,将空间语义解析结果转化为基于语言的输出,以支持现场情景描述、施工建议以及潜在风险分析。
相应地,本研究的主要贡献如下:
(1)提出了一种针对混凝土浇筑工作面的施工状态建模方法。该方法将工作面覆盖状态以及已浇筑区域内的可见质量状态纳入统一的施工语义系统中,从而实现对工作面施工状态的全面表征和识别。
(2)开发了一种能够同时学习全局分类和基于网格的状态场的视觉识别方法。结合两阶段语义解码策略,该方法实现了对关键区域空间分布的语义解析,并提供了可解释的状态表征。
(3)建立了一种由结构化视觉结果驱动的基于LLM的决策支持工作流,能够自动生成现场情景描述、后续施工建议以及潜在风险和影响分析。该工作流为混凝土施工现场的智能状态感知、空间语义组织以及辅助决策提供了可解释且具有扩展性的技术路径。
本文的其余部分结构如下:第2节回顾与本研究相关的研究进展;第3节介绍所提出的方法论框架及其核心流程;第4节阐述数据来源、实验设置、评估指标以及结果分析;第5节讨论研究所得的发现;最后,第6节对全文进行总结,并指出未来研究的方向。
相关研究
本节回顾与所提框架相关的研究。2.1节总结了关于混凝土施工状态监测的研究,包括基于传感器的施工参数监测、基于视觉的识别技术以及混凝土可见状态评估方法。2.2节则介绍了LLM在工程解读和决策支持中的应用。
方法论
本节阐述所提框架的方法论设计。3.1节介绍整体研究框架,3.2节描述工作面状态建模方法,3.3节介绍视觉识别和状态场学习方法,3.4节阐述空间语义解析和基于语言的决策支持方法。
实验
本节介绍实验设计及结果分析。4.1节描述数据来源和数据集构成,4.2节介绍实验设置,4.3节定义评估指标,4.4节汇报实验结果及分析。
讨论
本节探讨所提框架的主要发现及其意义。5.1节分析从局部判断向整体工作面表征的转变,5.2节论述视觉-语言框架的优势,5.3节总结该框架的局限性,5.4节阐述其在工程应用方面的前景。
结论
为满足施工现场混凝土浇筑工作面在施工状态解读、空间语义表示以及辅助决策方面的需求,本文提出了一种用于混凝土浇筑工作面施工状态识别、空间语义解析和决策支持的视觉-语言协同框架。主要结论如下:
(1)提出了一种针对混凝土浇筑工作面的施工状态建模方法。
CRediT作者贡献声明
梁鸿宇:写作——审稿与编辑、写作——初稿撰写、可视化、验证、软件、资源、方法论、研究调查、形式分析、数据整理、概念构思。吴冰颖:可视化、软件、方法论、数据整理、概念构思。钱遂一:可视化、验证、监督、研究调查、概念构思。赵晓溪:可视化、监督、项目管理、研究调查、概念构思。强胜:写作——审稿与
利益冲突声明
作者声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。
致谢
本研究得到了河海大学的支持。作者同时衷心感谢中国三峡建设工程有限公司和中国安能集团第二工程局有限公司通过“抽水蓄能电站堆石坝混凝土面板智能建造与维护技术研究与应用”这一研究项目所提供的资金支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号