Page 30 - 水利学报2025年第56卷第4期

征、动态边界框卷积模块、动态掩码卷积模块和检测头组成。建议框和建议特征（如图 ２所示）在首次
加载时随机初始化，在后续各阶段中不断更新，为寻找最优的边界框和边界掩码提供指导建议；而在
动态边界框卷积模块和动态掩码卷积模块内部，来自图像本身的特征和建议特征通过卷积操作交互融
合，生成最终特征；最终特征通过检测头进行像素级别的分割和分类，将输入图像中处于不同施工状
态中的区域划分出来。

注：图中箭头（１）—（１１）所示为模型的数据流向。
图 ２ ＱｕｅｒｙＩｎｓｔ模型框架图

３．３ 基于时间关系的施工阶段划分方法 本文主要研究碾压混凝土的摊铺及碾压工序的时间，总时间
Ｔ为摊铺和碾压时间的总和，按照式（１）计算：
Ｔ ＝ ｔ ＋ ｔ （１）
碾压
摊铺
为计算 Ｔ，需在坝面进行摊铺和碾压作业时实时监控其所用时间 ｔ 及 ｔ 。将施工现场采集的视
摊铺 碾压
频拆解为帧后，通过基于计算机视觉和深度学习的 ＱｕｅｒｙＩｎｓｔ方法，把每帧图像中的施工区域按照其施
工状态分为 “碾压中” 和 “摊铺中” 两类。考虑到基于计算机视觉的方法可能存在的误差，以及摊
铺和碾压作业工序存在的搭接情况，为保证算法的鲁棒性，划分摊铺或碾压作业状态的计时开始和结
束时间按下述准则计算：
（１）对于图像中的每一点（即像素），若在时间上连续的 ｔ 帧图像中均为 “摊铺中” 状态，则判
ｉｎｔｅｒ
断此点为摊铺作业状态，ｔ 从此刻开始计时，ｔ （若存在）到此刻结束计时。
摊铺 碾压
（２）对于图像中的每一点，若在时间上连续的 ｔ 帧图像中均为 “碾压中” 状态，则判断此点为
ｉｎｔｅｒ
碾压作业状态，ｔ 从此刻开始计时，ｔ （若存在）到此刻结束计时。
摊铺
碾压
（３）任意一点经历从摊铺状态—碾压状态—摊铺状态的三阶段状态变化后，可计算本层混凝土在
坝面摊铺和碾压时间 Ｔ ＝ ｔ ＋ ｔ 。
摊铺 碾压
以上准则的伪代码如图 ３所示。其输入为 ３．２节中基于 ＱｕｅｒｙＩｎｓｔ方法自动识别的仓面施工状态数
据集，输出为图像中每个像素点的碾压及摊铺作业工序的历时，各项参数定义如下：
（ １）输入仓面施工状态数据集 Ｉ包括图像 ｉ ∈! Ｗ× Ｈ × ３ 及图像每个像素点对应的施工状态 ｌ ∈! Ｗ× Ｈ ，
ｎ ｎ
数据集大小为 Ｎ，每张图像的宽高均为 Ｗ和 Ｈ像素，时间间隔 ｔ 取 ７５ｓ。其中：ｎ为数据集中的第 ｎ
ｉｎｔｅｒ
个实例；ｗ和 ｈ为像素点的对应横、纵坐标。
Ｉ ＝ ｛（ｉ，ｌ），（ｉ，ｌ），…，（ｉ，ｌ）｝ （２）
２
２
Ｎ
Ｎ
１
１
ｗｈ
ＷＨ
１１
１２
ｌ＝ ｛ｌ，ｌ，…，ｌ，…，ｌ ｝ （３）
ｎ ｎ ｎ ｎ ｎ
（２）输出碾压及摊铺作业工序的历时集 Ｔ包括每个像素点的历时 ｔ∈!。
ｗｈ
Ｔ ＝ ｛ｔ，ｔ，…，ｔ，…，ｔ ｝ （４）
１１ １２ ｗｈ ＷＨ
（ ３）中间过程需定义摊铺状态集 Ｐ和碾压状态集 Ｒ。
８
— ４ ４ —