本发明涉及建筑材料，具体为一种基于人工智能的建筑板材质量分类方法。
背景技术：
1、现有的建筑板材质检环节无论是基于人工筛选还是机器视觉技术，都存在一定的技术缺陷，人工筛选在板材的整体观感上具有一定的优势，可以快速对板材表面平整质量作出判断，但是对应建筑板材微小的形变差异却不敏感，所以人工筛选对建筑板材的结构强度差异不易察觉；而基于人工智能的机器视觉技术在建筑板材形变量上具有一定优势，通过图像和景深叠加可以快速发现建筑板材形变上的细微差别，第一时间发现建筑板材结构强度上的缺陷，但对建筑板材表面的平整度和观感无法做出快速判断，需要进行大量的计算才能得出质量评分结果；因此结合人工筛选和机器视觉技术各自的优势实现建筑板材快速而准确的质量判断分类是本领域技术人员需要解决的技术问题。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于人工智能的建筑板材质量分类方法，解决了上述背景技术中提出的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于人工智能的建筑板材质量分类方法，包括处理单元和机器视觉单元，所述机器视觉单元包括计算模块、深度模块和图像模块，所述深度模块获取建筑板材深度信息并传输至计算模块中，所述图像模块获取建筑板材的图像信息并传输至计算模块中，所述计算模块根据接收的深度信息与图像信息分析对建筑板材评分并将评分信息传输至处理单元中；
3、包括统计模块和数量为n个的人员终端，每个人员终端都有唯一的设备编号，所述人员终端将质检记录和人工质检的质检指数传输至统计模块，所述统计模块将接收的质检指数与对应的人员终端设备编号合并，合并后和质检记录统一发送至处理单元；
4、还包括存储模块，所述处理单元综合分析机器视觉单元分析信息与统计模块人工质检信息，并将分析数据保存至存储模块，后续处理单元也可从存储模块中读取分析数据，所述存储模块还存储有计算机程序或指令，用于处理单元、计算模块和统计模块执行；
5、包括应力模块，应力模块用于执行处理单元发送的程序指令，所述应力模块对建筑板材施加机械应力使其发生形变，所述深度模块获取的深度信息包括建筑板材受机械应力产生的形变量信息；
6、质量分类包括人工质检统计程序、机器视觉质检程序和双盲加权程序，流程包括以下步骤：
7、步骤1：将所有建筑板材进行等分，等分数量与质检人员终端数量相等，所述处理单元发送指令至计算模块，处理单元发送指令至应力模块，所述应力模块向建筑板材施加机械应力；
8、步骤2：建筑板材等分后每部分均由单个质检人员进行质量进行评分，评分内容为建筑板材表面的平整度和形变量，建筑板材表面的平整度评分结果标记为观感评分，建筑板材表面的形变量评分结果标记为强度评分，将观感评分和强度评分相加得出人员综合评分，评分范围为0分到100分，每个建筑板材都有唯一的板材编号并附上对应二维码，质检人员使用人员终端扫描建筑板材上二维码进行标记，标记结果为质检记录，通过人员终端将质检记录传输至统计模块，再转发至处理单元，处理单元将标记的记录保存至存储模块，人员终端同时将观感评分、强度评分和人员综合评分传输至统计模块，质检记录为该质检人员对被扫描二维码建筑板材完成一次质量评分，通过扫描建筑板材上二维码可以查询对该建筑板材进行过质量评分的所有人员终端记录，代表人员终端对应的质检人员对该建筑板材进行质量进行过评分行为；
9、步骤3：按照n的阶乘对质检人员和等分后建筑板材进行排列组合，每次进行排列组合后再执行一次步骤2直至所有排列组合全部执行完毕，统计模块执行人工质检统计程序；
10、步骤4：所述计算模块执行机器视觉质检程序；
11、步骤5：所述处理单元执行双盲加权程序；
12、步骤6：所述处理单元调取存储模块保存的分析数据，依照分析数据执行建筑板材分类程序对建筑板材质量进行分类。
13、进一步地，所述人工质检统计程序具体包括以下步骤：
14、步骤31：统计模块计算每个板材编号建筑板材的人员综合评分平均数和方差，按照方差顺序由大到小进行排列，方差相等的情况下按照评分平均数由大到小在方差顺序排列里进行排列获得建筑板材人员评分序列；
15、步骤32：所述统计模块将每个人员终端的人员综合评分进行归纳统计，将人员终端对每个板材编号建筑板材的人员综合评分按照由大到小的顺序进行排列，每个人员终端将自身人员综合评分通过顺序排列获得与设备编号对应的终端评分序列，统计模块将每个设备编号的终端评分序列与建筑板材人员评分序列相比较，按照顺序相似度作为评判标准进行排列获得人员终端质检能力序列并将顺序相似度乘以百分比标记为相似度p；
16、步骤33：所述统计模块设定人员加权系数，人员加权系数初始设定值为0.5，根据步骤31得到的人员终端质检能力序列进行加权计算，所述人员加权系数每次参与加权计算后在原有基础上降低0.01，所述人员终端质检能力序列由高到低分别依次使用自身相似度p乘以人员加权系数得到每个人员终端的质检指数；
17、步骤34：所述统计模块将计算所得建筑板材人员评分序列和人员终端的质检指数传输至处理单元。
18、进一步地，所述机器视觉质检程序具体包括以下步骤：
19、步骤41：所述图像模块采集建筑板材二维码和表面图像信息并传输至计算模块，所述深度模块获取建筑板材形变量信息和表面深度信息并传输至计算模块，图像模块获取建筑板材二维码代表计算模块对该建筑板材进行过一次质量评分并标记，计算模块将标记的信息传输至处理单元中，处理单元再将计算模块的标记信息转发至存储模块中保存；
20、步骤42：所述计算模块通过识别二维码信息确定建筑板材的板材编号，所述计算模块结合图像信息与建筑板材表面深度信息计算建筑板材尺寸信息，所述计算模块进一步计算出建筑板材表面缺陷部位的位置信息，计算模块再根据位置信息与深度信息验证缺陷部位是否为真，若建筑板材表面缺陷部位存在凸起或凹陷，则验证建筑板材该缺陷部位存在，反之若建筑板材表面缺陷部位不存在凸起或凹陷，则代表基于图像信息分析出的缺陷部位不存在，可能被其他污垢因素影响判断；
21、步骤43：所述计算模块根据建筑板材形变量信息和表面缺陷部位对建筑板材结构强度进行基础评分，所述计算模块再根据建筑板材表面深度信息对建筑板材表面平整度二次评分；
22、步骤44：计算模块将基础评分与二次评分进行综合得到机器综合评分，评分范围为0分到100分；
23、步骤45：所述计算模块将每个建筑板材的基础评分、二次评分和机器综合评分结果传输至处理单元。
24、进一步地，所述双盲加权程序具体包括以下步骤：
25、步骤51：所述处理单元将计算模块所得每个建筑板材的机器综合评分结果组合成机器综合评分序列，处理单元将建筑板材人员评分序列与机器综合评分进行逐级比对；
26、步骤52：形变量逐级比对，所述处理单元将计算模块的基础评分和统计模块的强度评分进行比对，以基础评分为参照标准，设定形变量权重因子并初始化，形变量权重因子初始化值为0.2，每进行一次加权计算和负加权计算形变量权重因子数值减少0.01，若强度评分与基础评分相同，则强度评分对应设备编号的人员终端进行加权计算，即新强度评分=（1+形变量权重因子）x强度评分，若强度评分与基础评分不相同，则强度评分对应设备编号的人员终端进行负加权计算，即新强度评分=（1-形变量权重因子）x强度评分，处理单元从存储模块中调取该设备编号的人员终端质检记录，质检记录中所有板材编号建筑板材的强度评分重新进行加权计算或负加权计算，计算所得新强度评分重新计算该板材编号建筑板材的人员综合评分，处理单元将重新计算所得人员综合评分转存至存储模块中，处理单元将加权计算或负加权计算后建筑板材的新人员综合评分累加得到新人员综合评分指数，将加权计算或负加权计算前建筑板材的人员综合评分累加得到人员综合评分指数，所述处理单元计算新人员综合评分指数与人员综合评分指数之间的差值并除以人员综合评分指数，计算所得人员终端权重指数，处理单元将人员终端权重指数与对应的设备编号绑定并转存至存储模块中；
27、步骤53：平整度逐级比对，所述处理单元将计算模块的二次评分和统计模块的观感评分进行比对，以观感评分为参照标准，设定平整度权重因子并初始化，平整度权重因子初始化值为0.15，每进行一次加权计算和负加权计算平整度权重因子数值减少0.008，若二次评分与观感评分相同，则二次评分进行加权计算，即新二次评分=（1+平整度权重因子）x二次评分，若二次评分与观感评分不相同，则二次评分进行负加权计算，即新二次评分=（1-平整度权重因子）x二次评分，处理单元计算所得新二次评分重新计算该板材编号建筑板材的机器综合评分，处理单元将加权计算或负加权计算后建筑板材的新机器综合评分累加得到新机器综合评分指数，将加权计算或负加权计算前建筑板材的机器综合评分累加得到机器综合评分指数，所述处理单元计算新机器综合评分指数与机器综合评分指数之间的差值并除以机器综合评分指数，计算所得机器视觉权重指数，处理单元将机器视觉权重指数转存至存储模块中。
28、进一步地，所述建筑板材分类程序包括以下步骤：
29、步骤61：每个质检人员使用对应设备编号的人员终端对建筑板材进行观感评分和强度评分，所有人员终端的评分信息统一传输至统计模块，统计模块再将所有评分结果转发至处理单元，所述处理单元从存储模块中调取每个设备编号对应的人员终端权重指数，将人员终端权重指数与设备编号对应强度评分结果相乘，相乘结果与观感评分相加得到人员终端总评分；
30、步骤62：所述机器视觉单元对建筑板材进行基础评分和二次评分，计算模块将基础评分和二次评分传输至处理单元中，所述处理单元从存储模块中调取机器视觉权重指数，将机器视觉权重指数与二次评分相乘，相乘结果与基础评分相加得到机器视觉总评分；
31、步骤63：所述处理单元将每个板材编号的人员终端总评分和机器视觉总评分相加得到最终评分，处理单元将所有板材编号的建筑板材最终评分汇总按照从高到低进行排序，最终评分在排序中前百分之十包含百分之十等级为优，除去等级为优的最终评分在排序中前百分之二十包含百分之二十等级为良，其余等级为差。
32、本发明具有以下有益效果：
33、通过机器视觉单元可以对建筑板材的细微形变做出判断，通过人员终端进行人工筛选可以对建筑板材表面平整观感快速做出判断，通过综合两者之间的评分结果进行加权计算，发挥各自优势，可以对建筑板材实现快速且准确的质量判断。
34、当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
1.一种基于人工智能的建筑板材质量分类方法，通过人工质检统计程序、机器视觉质检程序和双盲加权程序实现，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，人工质检统计程序具体包括以下步骤：
3.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，执行机器视觉质检程序具体包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，执行双盲加权程序具体包括以下步骤：
5.根据权利要求1所述的一种基于人工智能的建筑板材质量分类方法，其特征在于，执行建筑板材分类程序包括以下步骤：
