基于Python的Image2DEM软件：砌体基础设施结构详细分析的数字孪生生成器

∼∼软件X 22（2023）101323原始软件出版物Image2DEM：用于现有砖石基础设施存量详细结构分析的几何数字孪生生成器Dimitrios Loverdos，Vasilis Sarhosis利兹大学土木工程学院，LS2 9JT，英国ar t i cl e i nf o文章历史记录：收到2022年2023年1月17日收到修订版，2023年关键词：MassivePython图像结构分析a b st ra ct评估老化砌体基础设施的结构性能是一项复杂的任务。砌体结构的几何特征和损伤的存在可能会极大地影响其发生率降解和使用中的机械响应。因此，确定评估这些资产实际结构状况的方法至关重要。在过去的十年中，激光扫描和摄影测量的进步已经开始彻底改变建筑行业，因为这些技术能够以点云和图像格式快速和远程捕获对象和特征的数字记录。然而，直接和自动开发的图像用作几何结构分析的高保真模型是有限的。在这个框架中，本文的目的是提出一个软件的开发能够完全自动化的“扫描到结构建模”的过程中，有效和准确的结构评估老化的砌体基础设施。“Image2DEM "基于Python库，具有图形界面。这些图像可以从DSLR（数码单反）相机、智能手机或无人机上捕捉。然后将选定的图像导入程序以检测和提取砌体微观几何形状。该算法使用人工智能提供可靠的检测。卷积神经网络（CNN）用于识别砌体单元和裂缝的位置，96%和准确率80%。几何体被提取以简化线的形式来提高效率并减少计算量。输出是以PDF格式提供，以兼容不同的节目。最后，将提取的几何形状转换为用于结构分析的数值模型。拟议的软件有可能彻底改变我们在未来评估现有砌体基础设施的方式版权所有©2023作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。1. 动机和意义圬工基础设施（如桥梁、高架桥和隧道）是英国关键基础设施存量的重要组成部分我们的砖石建筑基础设施的主要部分正在老化，通常远远超过120年，并显示出严重的退化和损坏迹象。风化、增加负载强度的需求、轴载以及气候变化导致洪水事件频率增加等因素，已为该等基础设施资产的长期表现带来极大的不确定性。此外，我们的许多砖石基础设施具有重要的遗产和文化价值（例如，英国伯克郡的亨格福德运河大桥（Hungerford Canal Bridge），英国的政策是这些基础设施的故障可能导致经济和社会的直接和间接损失，并妨碍救援和恢复工作。例如在*通讯作者。电子邮件地址：v. leeds.ac.uk（Vasilis Sarhosis）。https://doi.org/10.1016/j.softx.2023.1013232009年坎布里亚郡发生洪水，三座砖石拱桥倒塌，九座严重受损，导致近3400万英镑的维修和更换费用。经济和社会影响更大，增加的旅行时间估计每周花费2017年3月，当利物浦莱姆街车站外的一堵石墙倒塌时，大约200吨瓦砾落在铁路线上，这可能会压碎或脱轨一列经过的火车，造成灾难性后果。因此，迫切需要更好地评估老化砌体基础设施库存的使用性能，并提供详细和准确的数据，以更好地为维护方案和资产管理决策提供信息。评估老化砌体基础设施的结构性能是一项复杂的任务。以前的研究已经清楚地表明，该行业目前使用的评估方法是过时的和/或过于简单化[1，2]。例如，对于圬工拱桥的评估，军事工程实验机构（MEXE）的评估方法仍在使用;它可以追溯到20世纪40年代，具有非常有限的2352-7110/©2023作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxDimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013232∼∼预测能力，并为未来的增强提供了很小的空间。此外，尽管过去研究的主要重点是预测老化砌体结构的结构失效，但预测服务负荷（超过该负荷会发生增量损坏）现在是基础设施所有者的关键优先事项，他们面临着提供安全和弹性运输网络的越来越大的压力在过去的三十年中，大量的工作已经投入到数值模型的开发中，以代表外部荷载作用下砌体结构的复杂和非线性行为[3这些模型的范围从将砌体视为连续体（宏观模型），到将砌体视为单元和砂浆接缝组合的更详细模型（微观模型; [7由于老化的砌体基础结构通常具有低粘结强度的特征，因此开裂通常是砌体单元与砂浆接缝脱粘的结果。考虑到砌体单元与砂浆界面对老化砌体结构的结构行为的重要性，微观建模方法（即，基于离散单元法的方法）更适合于模拟其使用性能和承载能力。然而，当基于微观建模方法对砌体结构进行建模时，一个重要的方面是砌体结构的几何形状在数值模型中转移的准确性到目前为止，砖石基础结构的几何形状是用传统技术（例如，目视检查和人工测量方法），这些方法劳动密集且容易出错。在过去的十年里，计算机视觉、摄影测量和激光扫描的进步特别是因为这些技术能够快速和远程地捕获2D图像[16-即使在2D和3D环境中使用人工智能[26虽然在从点云过渡到结构分析模型方面已经做了一些工作，但这些工作仅限于连续宏观建模[33-因此，仍然有许多挑战需要克服，特别是关于所生成的数值模型的离散化此外，评估砌体结构的一个重要因素是外部病理学的影响，如变形和裂缝。根据Heyman [41]，砌体结构中的几何变化和现有损坏缺乏方便的工具，使图像和点云数据可以很容易地转换为用于结构分析模型，阻碍了工程界的吸收。在该框架中，Loverdos和Sarhosis提出了一种工作流程，可直接自动利用老化砌体基础设施的图像，以生成可用于结构评估、检查和记录的几何数字双胞胎[42，43]。程序如下。最初，可以使用DSLR或智能手机或无人机捕获图像。可以使用任何来源的任何包含任何背景（随机对象、天空、地面等）的图像也是兼容的。正射影像（具有相等的高度/宽度比例）和良好的分辨率是首选，但不是必需的。然后，选择的图像导入到该算法使用人工智能提供可靠的检测卷积神经网络（CNN）用于识别砌体单元和裂缝的位置，准确率分别为96%和80%[27，44，45]。此外，背景元素（非砖石）会自动过滤掉。然后，以以下形式提取几何图形：的简化线，以提高效率和减少计算工作，并创建了一个块，砂浆和裂缝自动分配到不同的层。可以选择为块、砂浆和裂缝生成网格。输出以CAD格式提供，以兼容不同的CAD和BIM环境程序。最后，提取的几何形状可以转换为数值建模软件，用于分析砌体结构。此外，生成的网格允许在分析期间研究分离（接触损失）。为了提高简单性，根据CAD文件上指定的图层，将元素分配到不同的组。2. 软件描述该软件的主要工作流程很简单（图。①的人。任何图像都可以用于识别砖石结构的微观几何形状（即，块，裂缝，背景），使用人工智能和图像处理（图。1;更具体地说，块和裂缝使用单独的FCNs（全卷积网络）检测，而背景和其他元素使用图像处理检测。然后，几何图形被提取到CAD文件中用于文档编制（图1）。1;''文档''）。其中，基于用于生成二进制图像的检测方法，每个对象被自动分配到单独的层最后，导出的几何图形用于生成结构的数值模型（图1）。1;数值模型用于评估结构的当前状态和估计最大承载力。图形界面的开发允许用户轻松选择想要运行的模块，并允许修改软件选项（图2）。GUI包括一起运行所有模块的能力，选定的模块数量，或单个模块（如图2的左侧所示）。选项作为导入的文本文件进行调整（见图2右侧）。这允许在软件上包含许多变量来调整最终输出。关于软件的主要部分，有多个模块，每个模块都有一个特定的任务。其中包括函数以加载和调整图像（P1，P2）。检测微观几何形状 砌体（P5，P7，P9，P11）。使用图像处理对二进制图像进行改进（ P6 ， P8 ， P10 ， P12 ）。 根据其几何 特性进行损伤 评估（P13）。 微观几何形状的提取（P14，P15，P16，P17）。最后，用于CAD文档或分析的模型生成（P18）。一个单独的模块用于将CAD文件转换为UDEC几何图形（尽管在大多数数值分析程序中，可使用NXP文件来创建数值模型。更具体地说，该方案的所有模块都在下表（表1）：其中P1和P2与"捕获"步骤相关这些将在第4此外，GUI中提供的可调节选项（图2：右侧）可用于提高最终输出的质量。但是，默认值适用于几乎所有情况，不需要任何调整。唯一的例外 有几个基本选项，可以修改几何模型以满足不同的需求。例如包括损坏（裂缝），砂浆（用于详细的微观建模）和背景（如果砌体没有覆盖整个图像）。例如，如果结构很大，则避免详细的微观建模，因为模型将非常复杂，并且可能导致分析失败。在这种情况下，用户应该关闭mortar的定义（Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013233Fig. 1. 算法的工作流程图二. 软件的图形界面Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013234表1该方案的独立模块..P1加载图像：用于使用文件浏览器选择图像。P2调整比例：以编程方式调整图像的比例。 P3检测块：使用CNN检测图像上的块P4调整块：使用图像处理改进块遮罩。 P5检测裂缝：使用CNN检测图像上的裂缝P6调整裂缝：使用图像处理改进裂缝遮罩。P7检测砌体：通过合并检测到的块来检测砌体的整体位置。P8调整Masonry：使用图像处理改进masonry-maskP9检测背景：通过图像阈值化（对于白色背景）或通过反转masonry-mask（对于未定义的背景）来消除背景。P10调整背景：使用图像处理改进背景遮罩。P11创建结构：通过组合所有二进制图像来创建整体结构。它可用于识别块检测未检测到的未定义元素（如混凝土梁）。P12调整结构：使用图像处理改进结构遮罩。P13评估裂缝：创建一个CSV文件，其中包含每个孤立裂缝的几何属性（即，位置、面积、长度、平均宽度和覆盖范围）。P14创建分割：将分水岭分割用于隔离检测到的块。P15调整分割：调整分水岭分割，包括砂浆和损坏。此外，还将校正应用于流域，以确保正确的几何提取。P16提取轮廓：提取砖石的微观几何图形作为多段线（使用分水岭）。P17调整轮廓：对提取的几何体进行折线概化（减少滤波器）并过滤掉具有接近零面积的小元素。此外，它调整几何形状以改善结构的总体形状此外，它还生成网格，并针对数值分析，研究裂纹扩展。P18创建模型：创建结构几何图形的XML文件，每个材料都指定给各个层。此外，它还提供了多个CSV文件，其中包含每个检测对象的内部位置，并按材料分隔。-将材料分为不同的组（分类）。3. 步骤#1：输入图像最初，一个砖石结构的代表性图像被捕获并使用典型的Windows应用程序的浏览器窗口导入到软件中（图1）。 2：P1）。如前所然而，正射校正图像将在软件的“文档”和"分析“部分中提供更高的准确性桶效应）。正射校正图像可以使用摄影测量软件（例如"Context Capture“）来产生此外，由于多种原因，图像的比例是该过程的一个重要方面。首先，它允许自动调整大多数变量，从而最大限度地减少用户与GUI的交互。变量自动调整的一个例子是图像在通过CNN网络之前的大小值。但更重要的是，它允许获取结构的真实尺寸。这些用于几何模型的生成和检测到的裂纹的几何特性的评估。为方便起见，图像的比例是以编程方式获取的（图1）。2：P2）。更具体地说，通过选择输入图像上的两个点并提供它们之间的距离来获取比例（图11）。 3）。4. 步骤#2：物体检测使用CNN检测图像上的块以进行可靠检测，验证准确度等于96.86%，验证F1分数为96.3%（图2：P3;图4：a2）。类似地，使用CNN也可以检测到裂缝，其验证F1分数等于79.6%（图1）。2：P5; Fig. 5：b）。这两个模型都是用典型砖石结构的图像训练的（即，不是碎石），用砂浆粘合图三. 图像缩放（以米为单位）。砌体的整体位置是从检测到的块自动检测（图。2：P7），使用简单的图像处理功能（即，图像闭合以组合检测到的块）。根据用户偏好检测背景（图2：P9），并且可以从砖石掩模（图2：P9）中获取背景。 4：a3），或图 像 的白色部分（图。 4：b3）。Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013235见图4。[a]检测背景：（1）原始图像;（2）砌块;（3）马塞诸塞;[b]检测其他元素;（1）原始图像;（2）砌块;（3）背景;（4）最终结构。图五、 裂缝测量;（a）图像;（b）检测到的裂缝;（c）裂缝的叠加和标签。该结构结合了所有的二进制图像（图。2：P11;块，裂缝，砌体，背景），并有能力识别未检测到的元素自动（图。4：b4）。更具体地说，不属于背景或砌体的区域被指定为未检测到的元素。然而，其他结构元素的检测只能应用于具有白色背景、完全没有背景或自定义背景掩模的图像。这是由于砖石掩模必须与背景不同以识别未检测到的元素的原因。二进制掩码的调整使用具有不同参数的相同模块（图1）。2：P4、P6、P8、P10、P12）。它们主要基于对象区域（将像素数转换为缩放区域）从背景和/或前景中删除小元素因此，忽略了可能被不正确地标记的过小元素这些调整大大提高了产出。它们在每次掩模检测后应用，以避免重复检测（图2：P3，P5，P7，P9，P11）。特别是对于块和裂缝，因为它们的检测由于CNN模型的应用而较慢（图2：P3，P5）。5. 步骤#3：文档-几何模型检测到的裂纹用于获取每个检测到的缺陷的几何特性（图2：P13）。每个裂纹都是孤立的，并使用图像处理单独测量（图1）。5）。裂纹度量的计算是精确的，假设准确的，表2检测到的裂缝的几何属性（位置从图像的左上方开始）。标签-位置[xmid，ymid]缩放面积长度缩放宽度缩放覆盖裂缝覆盖范围Massimo（否）（像素）(mm（二）（毫米）（毫米）（%）（%）1[251，82]2516376759.5070.4232[203，176]43252810.2110.0733[156，216]700107716.5490.1184[151，251]3724888.8030.0635[131，267]453171.0560.0086[112，280]1642573.8730.028总计：4229607531000.71裂纹检测模块的速率输出。这些指标可以用来帮助工程师与砌体结构的视觉检查。所获得的裂纹度量是位置、面积、宽度、长度和覆盖率（表2）。覆盖率是指裂纹面积占所有缺陷面积的百分比或整个砖石区域。CSV文件包括缩放的（即，以英里计）和未缩放（以像素计）的值。但是，由于文档宽度的大小限制，此处仅提供缩放值。从二进制图像检测到的砌体几何形状用于生成几何模型（图11）。 2：P14-18; Fig. 6）。最初，分水岭分割用于隔离每个单独的块（图1）。2：P14）。然后调整分割，Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013236见图6。几何模型;（a）简化微型模型的一般线;（b）AutoCAD绘图（简化微型模型）;（c）详细微型模型的一般线;（d）AutoCAD绘图（详细微型模型）。包括砂浆和损坏，而且还测试每个分离分段被分配唯一标签（图2：P15）。然后以折线的形式提取几何图形，并按比例缩放到实际尺寸，以精确记录结构（图2：P16）。几何体也被简化，以减少顶点的数量，使其保留最小数量的顶点，最好地描述每个对象（图2：P17），使用泛化算法（图2：P17）。 6：a &b）。推广的准确性是可调整的。在数值分析过程中，还生成网格以允许对象之间的分离并研究裂纹扩展（图11）。 2：P18; Fig. 6：c&d）。最后，将生成的几何体导出到DXF。两个简化的微观模型（图）。 6：b）和详细的微观模型（图6：d）支持模型生成。6. 步骤#4：分析最后一步是生成2D结构的数值模型（图1）。 2：UDEC; Fig.8：b; Fig. 10：b）。为此，每个对象的几何形状，位置和分类都需要在UDEC中定义模型 几何图形由图形文件定义（图1）。 8：a; Fig. 10：a）。位置是为每个对象单独定义该位置还用于定义数值模型中每个对象的类。这是必需的，因为在UDEC中，每个单独的元素都是通过将现有的大块划分为多个部分来生成的。因此，（主块的）初始分类是不相关的。除背景用分割内位置代替外，数值模型中每个目标的分类都是用每个目标的内位置来完成的。使用segmentation-inner-location的原因因为外部背景的阴影也包括所有其他对象（块、裂缝、砂浆、网格元素等）。因此，使用分割位置避免了封闭在外部背景区域内的未指定对象的不正确分类。提取的几何图形一般限于2D分析。 一个简单的3D模型可以在每个绘制对象具有相等深度的假设下生成。尽管如此，自动生成3D模型需要大量的手动工作来调整模型以进行离散数值分析。主要是因为内部材料、块图案等不能从图像和点云数据中检测到（即，回填、多叶墙）。然而，关于使用该软件进行简单的文档，可以单独提取多个面孔.7. 输出文件和文件夹结构输出文件夹结构被分成多个部分。程序执行期间使用的输入数据存储在“Basic "文件夹中用户可调整的选项以文本格式存储在“Data”文件夹中。“图像”文件夹包含所有流程的图形，旨在识别工作流程任何部分的问题。此外，文件夹结构包括一个“更具体地说，任何图像与关键字“结果"文件夹包含裂纹测量和几何提取的最终输出（图1）。2：P13 &P18）。其中包括几何图形的CSV文件、裂缝测量的CSV文件以及每个元素位置的CSV文件Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013237图7.第一次会议。（ a）“ To w n Ho u s e ” 的x173张图像样本;（b）英国利兹Town House的正射校正图像[ 43 ]。（按材料和检测方法分开）。如果使用配套程序（图。 2：“ 转换为 UDEC ” ） ， “ 结 果 ” 文 件 夹 将 包 括 fis h 命 令 （ Itasca 软件的脚本语言）中的完整几何图形的TXT 文件。每个对象的位置都是按类单独提取的位置分类如下：块、块网格、砂浆、砂浆网格、损坏、损坏网格和背景。提取的位置类型是：内部（封闭边界的内部位置）、中心（封闭边界的质心）、分割（分水岭分割的内部位置）和像素（缩放坐标中的像素位置;仅适用于迫击炮/损坏8. 示例#1下面的例子是一个在英国的砖砌体建筑的立面的一部分（图。7：a）。输入是使用摄影测量软件生成的正射校正图像（图1）。7：b）。选择特定情况是因为它包含不同的粘合图案，拱形和规则的砖形。该软件产生了一个很好的绘图（图。8：a），但被前景物体覆盖的位置除外。在图像左侧的管道附近更明显。如果从物体的侧面获取更多的图像，则可以在摄影测量软件在此情况下Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013238∼∼×见图8。 （a）软件输出- AutoCAD绘图：在有问题的区域上手工绘制灰线，以确保在数字分析期间水平轴上的平面内分离;（b）UD E C 数字模型（使用补充程序"U D E C 转 换 “ 创 建 ） 。管道后面的砖可以完全重建。然而，可以直接对绘图进行微小的校正（图8：a（灰线））;或者，通过手动编辑块检测算法的二进制输出（图8：a（灰线））。2：P4），然后将其放置在“文件夹”中以代替初始输出。最后，将2D几何形状转移到结构分析软件，UDEC（图8：B），允许用离散元法对结构进行数值计算。整个过程花费了915秒（对于模块P1- P18）。P15所需的时间最长（387秒）。所记录的时间是针对4239 2594像素的图像分辨率; 0.002米/像素的图像比例;以及形成1577个单独块的4714条折线。使用的计算机是一台笔记本电脑，配有i7- 9750 H CPU，RTX-2060 GPU和6 GB VRAM，Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）1013239×∼×∼见图9。 （a）用于生成3D网格的“拱桥”的x1 217个图像样本;（b）砖石拱桥的正射校正图像（2005年的实验室实验）;UoL）。16 2GB RAM。计算时间可以通过允许对软件使用的开发算法进行多核计算目前，大多数开发的算法只允许单核计算。9. 示例#2下面的例子是在利兹大学实验室进行的一个砖石拱桥实验（图1）。 9：a）。 经正射校正的图像（图图9：b）在产生适当的3D模型（真实网格）之后，使用摄影测量软件获得。可以观察到，楼梯（在原始图像中呈现;图1B）在图1B中呈现。 9：a）从3D网格中过滤掉（图9：a）。9：b），其允许检测覆盖的砖。然后使用开发的软件生成AutoCAD图形（图1）。 10：a），随后，UDEC中的数值模型（图10）。10：b）。块检测显示出优异的结果，特别是考虑到染色的表面，砖（在中间右侧更明显）。数值模型考虑了离散单元法，更具体地说，简化的微观建模，以研究裂纹扩展在实验的后期阶段。完全的支持需要391 s（用于模块P1-P18）。记录的时间图像分辨率为38401899像素;图像比例0.002米/像素;以及形成766个单独块的2290条折线。10. 影响“Image2DEM”工具包的影响 该工具包认为，除了砌体单元的分割，结构中的损坏，如裂缝和扭曲，起源于Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）10132310见图10。 （a）软件输出- AutoCAD绘图;（b）UDEC中的数字模型（使用补充程序"UDEC转换“创建地面沉降以及不规则或缺少砖块。对基础设施进行可靠的检查，可以制定更明智的维护计划，并可能减少不必要的维修和加强干预，这对英国的“净零”战略做出了重大贡献11. 结论“Image2DEM "软件能够利用当前远程测量方法的发展，并将其与基于人工智能和机器学习的Python算法相结合，以完全自动化"扫描到结构建模”程序，从而对我们老化的砖石基础设施库存进行高效、准确和详细的根据该方法，首先，从智能手机或数码单反相机拍摄的图像上传到我们的“Image2DEM”软件。使用计算机视觉和人工智能（AI）技术，可以检测砌体单元（例如，砖、块 ） 和 裂 缝 自 动 地 。 The ‘‘as is’’ geometry of the masonrystructure generated, can then be extracted in the form of 最后，可在数值分析软件中使用这些文件进行结构评估。开发的专用图形工具能够分割砌体结构中的单个砖块，并将它们之间的砂浆网格化以进行结构分析。这种从物理环境到数字环境的转变有可能更好地了解通过对老化砌体基础设施的“现状”结构状况进行有效和准确的评估竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作数据可用性已使用的数据是机密的。Dimitrios Loverdos和Vasilis Sarhosis软件X 22（2023）10132311确认该项目已收到EPSRC的部分资金（EP/T001348/1）。“利用砖石拱桥基础设施的弹性：3D多级建模框架”。财政支持得到高度认可。引用[1] 杨伟，王伟，王伟.后拱桥：状态鉴定和补救处理（c656）。London：CIRIA;2006，[Online].可用网址：https://www.ciria.org/ItemDetail? iProductC[2021年6月1日访问]。[2] 张文辉，张文辉.常规公路桥梁检查条件文件的准确性和可靠性。桥梁工程杂志 2004;9 （ 4 ） ： 403-13. http ： //dx.doi.org/10.1061/ （ asce ） 1084-0702（2004）9：4（403）.[3] 洛 伦 索 体 育 馆 砌 体 结 构 的 计 算 策 略 。 Delft Uni- versity Press; 1996 ，[Online]. 可 查 阅 ： http://www.narcis.nl/publication/RecordID/oai ：tudelft.nl：uuid：4f 5a 2c 6c-d5 b7 -4043- 9d 06 - 8 c 0 b7 b 9 f1 f6 f[于二零二一年一月二十七日生效]。[4] 洛伦索体育馆砌体结构的计算策略：多尺度建模、动力学、工程应用和其他挑战。In：Congreso de Métodos Numéricos En Ingenierchia. 2013年，第451-472页可通过以下网址获得：http://repositorium.sdum.uminho.pt/handle/1822/26547。[5] D’Altri AM, Sarhosis V, Milani G, Rots J, Cattari S, Lagomarsino S, 无筋砌体结构计算分析的建模策略：回顾和分类。Arch Comput Methods Eng2020;27（4）：1153网址：//dx.doi.org/10.1007/s11831-019-09351-x网站。[6] Asteris PG ， Plevris V ， Sarhosis V ， Papaloizou L ， Mohebkhah A ，Komodro- mos P.历史 砌体 结构 的数 值模 拟。 In：DeMarco B， Austin ，Wolfe，Kayla，Henning，Christina，Carbaugh，editors.地震评估与历史建筑修复研究手册，10月号。美利坚合众国：工程科学参考（IGI Global的印记;2015年，第213-56页。http://dx.doi.org/10.4018/978-1-4666-8286-3.ch007。[7] D'Altri AM，de Miranda S，Castellazzi G，Sarhosis V.用于砌体面板平面内和 平 面 外 数 值 分 析 的 3D 详 细 微 观 模 型 。 Comput Struct 2018;206 ： 18-30.http://dx.doi.org/10.1016/j.compstruc.2018.06.007.[8] Sarhosis V，Lemos JV.砌体组合结构分析的详细微观建模方法。ComputStruct 2018;206 ： 66-81. http://dx.doi.org/10.1016/j.compstruc.2018.06.003网站。[9] Sarhosis V，Sheng Y.低粘结强度砌体材料参数识别。工程结构2014;60：100-10. http://dx.doi.org/10.1016/j的网站。engstruct.2013.12.013网站。[10]Sarhosis V，Forgács T，Lemos JV.模拟 圬工 拱桥 回填 材料 的离 散方 法。Comput Struct 2019;224：106108.网址：//dx.doi.org/10.1016/j.compstruc.2019.106108网站。[11] Segura J，Pelà L，Saloustros S，Roca P.砌体抗剪特性对角压缩试验的实验 和 数 值 分 析。 ConstrBuildMater2021;287： 122964.http://dx.doi.org/10.1016/j.conbuildmat.2021.122964天啊[12] Forgács T，Sarhosis V，Bagi K. 施工方法的影响对斜交圬工拱承载能力的影响。EngStruct2018;168（March）：612-27.http://dx.doi.org/10.1016/j.engstruct.2018.05的网站。005.[13] Erdogmus E，Pulatsu B，Can B，Ozkan K.布劳多斯古罗马渡槽最后一个立拱的分析。在：第13届北美砌体会议，没有。2019，p. 483-93，[Online].可用：https://www.researchgate.net/publication/334001391_Analysis_of_the_Last_Standing_Arch_of_the_Roman_Aqueduct_at_Blaundos[访问日期：2021年1月[14] 作者：Sarhosis V，Garrity SW，Sheng Y.砖-灰界面对低粘结强度砌体过梁 力 学 性 能 的 影 响 EngStruct2015;88 （ 1 ） ： 1-11.http://dx.doi.org/10.1016/j.engstruct.2014.12.014网站。[15] Sarhosis V，Oliveira DV，Lemos JV，Lourenco PB.斜交角对圬工拱受力性能的影响。MechResCommun2014;61：53-9.http://dx.doi.org/10.1016/j.mechrescom.2014.07.008网站。[16]锡托尔湾检测砖墙中的砖块。在：国际档案馆《摄影测量、遥感和空间信息科学》，第三十七卷（B5）。2008，第567-72页，[在线]。可通过以下网址获得：https://www.isprs。org/proceedings/XXXVII/congress/5_pdf/99.pdf[2021年1月27日查阅]。[17]Oses N，Dornaika F，Moujahid A.基于图像的建筑遗产砖石建筑的描绘和分类 。 远 程 传 感 器 2014;6 （ 3 ） ： 1863-89 。 http://dx.doi 的 网 站 。org/10.3390/rs6031863。[18]Cluni F，Costarelli D，Minotti AM，Vinti G.地震工程中作为结构分析工具的热像增强。NDTEInt2015;70（2015）：60-72.http://dx.doi.org/10.1016/j.ndteint.2014.10.001网站。[19] 放大图片创作者：Brackenbury D.在图像纹理3D模型中映射砂浆接缝，以实现圬工拱桥的自动损伤检测。在：第17届民用和建筑工程计算国际会议，第173卷。2018，p. 530-45，[Online].可查阅：http：//programme。exordo.com/icccbe2018/delegates/presentation/344/[访问日期：2021年1月27日]。[20]Bal B.E.，Dais D，Smyrou E，Sarhosis V.用于监测砌体结构裂缝的新型隐形标记。Constr Build Mater 2021;300：124013. 网址：//dx.doi.org/10.1016/j.conbuildmat.2021.124013网站。[21]放大图片Volk R，Stengel J.现有建筑物的建筑信息建模（BIM）-文献综述和未来需求。AutomConstr2014;38：109-27.http://dx.doi.org/10.1016/j.autcon.2013.10.023网站。[22] 放大图片作者：Andriasyan M，Moyano J，Nieto-Julián JE，Antón D.从点云数据到建筑信息建模：遗产的自动参数化工作流程。远程传感器2020;12（7）：1094。http://dx.doi.org/10.3390/rs12071094.[23]Bassier M，Vergauwen M.基于点云数据的建筑物信息建模墙对象的无监督重建 。 In ： Automation in construction ， vol. 120. 爱 思 唯 尔 公 司 2020 年 ，103338。http://dx.doi.org/10的网站。1016/j.autcon.2020.103338的网站。[24][10]杨文，李文.云到BIM到FEM：通过激光扫描进行精确的历史BIM结构模拟 。 模 拟 模 型 实 践 理 论 2015;57 ： 71-87. http://dx.doi 的 网 站 。org/10.1016/j.simpat.2015.06.004。[25]放大图片Valero E，Bosché F，Forster A.三维点云的自动分割毛石砌体墙的测 量 及 其 在 建 筑 测 量 、 维 修 和 保 养 中 的 应 用 。 Autom Constr 2018;96（2017）：29-39. http://dx.doi.org/10.1016/j.autcon.2018.08.018.[26][10]李文，李文.使用机器学习的琢石砌体墙中的自动缺陷检测和分类。AutomConstr2019;106（May）：102846。http://dx.doi.org/10.1016/j.autcon.2019.102846天啊[27]Dais D，Bal J.E.，Smyrou E，Sarhosis V.使用卷积神经网络和转移学习对砌体 表 面 进 行 自 动 裂 缝 分 类 和 分 割 。 Autom Constr 2021;125 ： 103606.http://dx.doi.org/10.1016/j.autcon.2021.103606的网站上发布的。[28] 放大图片作者：J.圬工拱桥缺陷的自动检测。2019年智能基础设施和建设国际 会 议 ， ICSIC 2019 ： 推 动 数 据 知 情 决 策 。 (1) ： 2019 ， p. 3-10.http://dx.doi.org/10.1680/icsic.64669.003网站。[29][1]吴志英，苏凯.使用深度学习和3D现实网格模型进行裂缝检测和分割，以进行定量评估和集成可视化。计算与工程学报2020;34（3）：04020010. 网址：//dx.doi.org/10.1061/（asce）cp.1943-5487.0000890。[30]放大图片Ibrahim Y，Nagy B，Benedek C.基于cnn的砖墙分割分水岭标记提取。图像分析与识别。ICIAR 2019.计算机科学讲义2019年，第11662。网址：//dx.doi.org/10.1007/978-3-030-27202-9_30网站。[31] Ergün Hatir M，Ince通过最先进的计算机视觉绘制石头遗产的岩性图。34.第 三 十 四 章 ： 你 是 我 的 http://dx.doi.org/10.1016/j 的 网 站 。jobe.2020.101921，101921目录，2021.[32] 作者：Spencer BF，Hoskere V，Narazaki Y.基于计算机视觉的民用基础设 施 检 查 和 监 测 的 进 展 工 程 2019;5 （ 2 ） ： 199-222 。http://dx.doi.org/10.1016/j.eng.2018.11.030网站。[33][10]杨文，李文，李文.通过面向hBIM的几何模型从点云数据到结构分析。 JComputCulturalHeritage2019;12（2）：1-26.http://dx.doi.org/10.1145/3242901.[34] Kassotakis N，Sarhosis V