[发明专利]基于量子算法的混凝土裂缝检测装置

说明书

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。

技术领域

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

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。

就目前现有的混凝土裂缝检测装置而言：

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。

发明内容

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。

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：