振捣质量检测方法、系统、装置以及电子设备

技术领域

本申请属于混凝土浇筑技术领域，具体涉及一种振捣质量检测方法、系统、装置、电子设备及存储介质。

背景技术

混凝土振捣指的是对卸入浇筑仓内的混凝土拌合物进行振动捣实，以满足设计质量要求。由于混凝土振捣施工环节是关系到建筑物成型质量的关键，因此必须对混凝土的振捣质量进行可靠的检测，继而及时反馈修复缺陷，保证施工质量。但是，相关的混凝土质量检测方法引入了机器视觉方法，通过表层的混凝土状态来推演混凝土内部的振捣质量，这种方法对混凝土振捣质量检测的准确性还有待提高。

发明内容

鉴于上述问题，本申请提出了一种振捣质量检测方法、系统、装置、电子设备以及存储介质，以改善上述问题。

第一方面，本申请实施例提供了一种振捣质量检测方法，该方法包括：构建质量检测模型；获取当次受扰动后的混凝土的特征信息；将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数；基于所述振捣质量参数检测所述混凝土的振捣质量。

第二方面，本申请实施例提供了一种振捣质量检测装置，该装置包括：模型建立单元，用于构建质量检测模型；信息获取单元，用于获取当次受扰动后的混凝土的特征信息；参数获取单元，用于将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数；质量检测单元，用于基于所述振捣质量参数检测所述混凝土的振捣质量。

第三方面，本申请实施例提供了一种振捣质量检测系统，所述系统包括振捣装置、振动信号采集与处理系统以及质量智能分析系统，所述质量智能分析系统，用于构建质量检测模型；获取当次受扰动后的混凝土的特征信息；所述质量智能分析系统，还用于将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数；基于所述振捣质量参数检测所述混凝土的振捣质量。

第四方面，本申请实施例提供了一种电子设备，包括一个或多个处理器以及存储器；一个或多个程序，其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述的方法。

第五方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述的方法。

本申请实施例提供了一种振捣质量检测方法、系统、装置、电子设备以及存储介质。首先构建质量检测模型，获取当次受扰动后的混凝土的特征信息，然后将混凝土的特征信息输入预先构建的质量检测模型，获取质量检测模型输出的混凝土的振捣质量参数，基于振捣质量参数检测混凝土的振捣质量。通过上述方法，通过预先构建的质量检测模型来获取混凝土的振捣质量参数，然后基于振捣质量参数来检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请一实施例提出的一种系统环境示意图；

图2示出了本申请一实施例提出的一种振捣质量检测方法的流程图；

图3示出了本申请另一实施例提出的一种振捣质量检测方法的流程图；

图4示出了本申请另一实施例提出的一种扰动信息输入输出的示意图；

图5示出了本申请再一实施例提出的一种振捣质量检测方法的流程图；

图6示出了本申请再一实施例提出的一种输入层、中间层和输出层的数据阵列的示意图；

图7示出了本申请一实施例提出的一种振捣质量检测系统的结构框图；

图8示出了本申请一实施例提出的一种振捣质量检测装置的结构框图；

图9示出了本申请实施例提出的一种模型建立单元的结构框图；

图10示出了本申请一实施例提出的一种信息获取单元的结构框图；

图11示出了本申请实时中的用于执行根据本申请实施例的振捣质量检测方法的电子设备的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

随着国家经济实力的不断提高，建筑行业也随之得到推动和发展。混凝土是任何一项建筑工程中所不可或缺的原料之一，在混凝土施工工程，特别是大型工程中的大体积混凝土施工工程明显增加，施工进度明显加快，并且建筑工程管理质量逐渐提高，对混凝土的施工质量要求也越来越严格。由于混凝土振捣施工环节是关系到建筑物成型质量的关键，因此必须对混凝土的振捣质量进行可靠的检测，继而及时反馈修复缺陷，保证施工质量。

发明人在对相关混凝土振捣质量检测方法的研究过程中发现，相关的混凝土质量检测方法引入了机器视觉方法，通过表层的混凝土状态来推演混凝土内部的振捣质量，这种方法对混凝土振捣质量检测的准确性还有待提高。

因此，发明人提出了本申请中的首先构建质量检测模型，获取当次受扰动后的混凝土的特征信息，然后将混凝土的特征信息输入预先构建的质量检测模型，获取质量检测模型输出的混凝土的振捣质量参数，基于振捣质量参数检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性的振捣质量检测的方法、系统、装置、电子设备及存储介质。

下面将对本申请实施例所涉及的一种振捣质量检测系统的系统环境进行介绍。

如图1所示，在图1所示的系统环境中，包括有振捣装置410、振动信号采集与处理系统420以及质量智能分析系统430。其中，所述振捣装置410为PC构件模台分布式主动振捣装置，所述振捣装置410可以包括且不限于相关设备：PC构件生产模台412和振捣发生器414。多个振动发生器414固定在PC构件生产模台412的特定位置处，用于对完成布料过程的混凝土进行扰动，产生特定频率、振幅和波阵面特征的应力波。

所述振动信号采集与处理系统420可以包括且不限于相关设备：振动传感器422和振动信号处理设备424。多个振动传感器422布置于PC构件生产模台412的特定位置处，用于采集在振动发生器414扰动后应力波以混凝土为介质传播后的振动信号。振动信号处理设备424用于将振动传感器414采集的振动信号进行波形整理。

所述质量智能分析系统430为混凝土振捣质量智能分析系统，所述质量智能分析系统430包括且不限于智能算法服务器432，智能算法服务器432用于整合振动发生器414产生的应力波、混凝土的属性信息和振动信号处理设备424整形后的应力波信息，并通过人工智能分析方法分析混凝土的振捣质量。

下面将结合附图具体描述本申请的各实施例。

请参阅图2，本申请实施例提供的一种振捣质量检测方法，所述方法包括：

步骤S110：构建质量检测模型。

作为一种方式，所述质量检测模型可以为基于预先采集的大量数据样本构建的深度学习神经网络模型。具体的，可以预先获取指定数量的样本扰动信息、应力波信息以及混凝土的属性信息，基于所述指定数量的样本扰动信息、应力波信息以及混凝土的属性信息构建质量检测模型。

步骤S120：获取当次受扰动后的混凝土的特征信息。

可以理解的是，多个振动发生器分别布置于PC构件模台的特定位置处与混凝土接触，多个振动传感器分别分布于PC构件模台的特定位置处与混凝土接触，其中，多个振动发生器用于依次对混凝土进行扰动，多个振动传感器用于同时依次采集每一个振动发生器扰动下的混凝土的特征信息。

其中，混凝土的特征信息可以包括混凝土的属性信息、混凝土的扰动信息以及对扰动信息进行整形操作后得到的应力波信息等。

作为一种方式，当智能算法服务器接收到混凝土振捣质量检测指令时，开始获取当次受扰动后的混凝土的特征信息。其中，所述混凝土振捣质量检测指令可以由与智能算法服务器建立连接的终端设备发送的指令，所述终端设备可以为个人电脑(personalcomputer，PC)、平板电脑、智能手机等智能设备。

步骤S130：将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数。

其中，所述混凝土的振捣质量参数可以包括混凝土的含水率、混凝土的密实度和混凝土的塌落度等。

作为一种方式，通过预先构建的质量检测模型可以预测当次进行扰动后的混凝土的含水率、混凝土的密实度和混凝土的塌落度等。

步骤S140：基于所述振捣质量参数检测所述混凝土的振捣质量。

作为一种方式，所述基于所述振捣质量参数检测所述混凝土的振捣质量可以理解为根据振捣质量参数得到混凝土的振捣质量评价结果。

进一步的，还可以根据混凝土的振捣质量评价结果输出相应的调整建议或者警示信息等，用以对欠振区域调整振捣建议和对过振区域进行振捣警示。其中，所述欠振区域和过振区域可以通过振动发生器的具体位置来判断。具体的，当检测到某个安装在PC构件模台的特定位置的振动发生器位置区域的混凝土的密实度小于预设密实度时，确定该位置区域的混凝土处于欠振状态，确定该振动发生器安装位置区域为欠振区域，因此可以输出“加大该位置区域的振动频率”的振捣建议等；当检测到某个安装在PC构件模台的特定位置的振动发生器位置区域的混凝土的密实度大于预设密实度时，确定该位置区域的混凝土处于过振状态，确定该振动发生器安装位置区域为过振区域，因此可以输出“不再对该位置区域进行扰动”警示等。其中，预设密实度可以为预先设置的一个具体的密实度数值，也可以为预先设置的一个密实度的数值范围。

本申请实施例提供的一种振捣质量检测方法，首先构建质量检测模型，获取当次受扰动后的混凝土的特征信息，然后将混凝土的特征信息输入质量检测模型，获取质量检测模型输出的混凝土的振捣质量参数，基于振捣质量参数检测混凝土的振捣质量。通过上述方法，通过预先构建的质量检测模型来获取混凝土的振捣质量参数，然后基于振捣质量参数来检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性。

请参阅图3，本申请实施例提供的一种振捣质量检测方法，所述方法包括：

步骤S210：构建质量检测模型。

步骤S210具体可以参照上述实施例中的详细解释，故不在此赘述。

步骤S220：获取当次振捣终止后混凝土的属性信息。

其中，所述混凝土的属性信息包括混凝土的含水率、混凝土的密实度和混凝土的塌落度。

作为一种方式，在混凝土振捣结束后，智能算法服务器获取录入的人工记录的振捣终止后混凝土的属性，其中，混凝土的属性可以包括且不仅限于混凝土牌号、混凝土的含水率、混凝土的密实度以及混凝土的塌落度等。

步骤S230：获取当次对所述混凝土进行扰动产生的扰动信息。

其中，所述扰动信息包括扰动振源的位置、扰动振源的振幅和扰动振源的频率。

作为一种方式，所述扰动信息为可以为未进行波形整理的应力波信息。其中，应力波是指对弹性介质施加应力，引起弹性形变，由于介质的连续性，弹性形变产生弹性力，而弹性力又引起弹性形变。由此，在介质内部形成波的传播形式，又称之为弹性应力波。

所述扰动信息是由振动发生器产生的应力波信息，其中，所述振动发生器是用于产生振动或激振力并将其传递给试件或结构的振动发生装置。具体的，多个振动发生器分别布置于PC构件模台的特定位置处与混凝土接触，多个振动传感器分别分布于PC构件模台的特定位置处与混凝土接触，其中，一个振动发生器相当于一个振源。当振动发生器接收到扰动指令时，多个振动发生器依次开始对混凝土进行扰动，多个振动传感器同时采集一个振源扰动下产生的经过混凝土传播的应力波信息。振动发生器向混凝土输入的扰动信息和振动传感器采集的从混凝土输出的扰动信息，如图4所示，振动发生器和振动传感器的位置都是已知的，但是经过混凝土传播和未经过混凝土传播的扰动信息的振幅和振频是不同的，这是由于扰动信息经过混凝土的传播产生了变形。

进一步的，当检测到振动发生器开启时，可以确定触发了扰动指令，当振动发生器接收到扰动指令时，开始对混凝土进行扰动。可选的，可以连续或者间歇开启振动发生器对混凝土进行扰动。

可选的，振动发生器可以与云服务器连接，进而可以通过云服务器向振动发生器发送扰动指令，所述扰动指令中可以控制指定数量或者指定位置的振动发生器同时或者按照一定的顺序对混凝土进行扰动。具体的，可以预先为每一个安装在PC构件模台特定位置的振动发生器设置一个特定的标识，当振动发生器和云服务器建立连接后，振动发生器可以将自身的位置以及标识信息上传到云服务器进行存储，进而云服务器可以通过发送扰动指令来控制指定的振动发生器对混凝土进行扰动。示例性的，安装在PC构件模台特定位置的振动发生器有3个，分别为振动发生器1、振动发生器2以及振动发生器3。可以预先将振动发生器1的标识设置为“A”，将振动发生器2的标识设置为“B”，将振动发生器3的标识设置为“C”，当振动发送器与云服务器建立连接后，振动发生器1、振动发生器2以及振动发生器3分别将自身的位置信息以及标识信息上传到云服务器中，进而，云服务器向振动发生器发送扰动指令时，可以选择只给特定的振动发生器发送扰动指令，比如，只向振动发生器1发送扰动指令；或者云服务器可以选择向所有的振动发生器发送扰动指令，但只有与扰动指令中带有的标识对应的振动发生器可以对混凝土进行扰动。

进一步的，当振动传感器获取采集到振源扰动下产生的经过混凝土传播的应力波信息后，智能算法服务器获取振动传感器上传的应力波信息。

步骤S240：获取当次对所述扰动信息进行整形操作后得到的应力波信息。

其中，所述应力波信息包括传感器的位置、应力波的振幅和应力波的频率。

作为一种方式，由于经过混凝土传播的扰动信息会产生噪声干扰信号或者其他的干扰信号，会影响获取到的扰动信息的质量，进而会影响混凝土振捣质量检测的准确性，因此需要对采集到的扰动信息进行整形操作，其中，所述整形操作可以为对采集到的扰动信息进行去噪处理操作等。具体的，可以通过多种滤波算法对扰动信息进行去噪处理，比如，模糊中值滤波算法和模糊均值滤波算法等。

步骤S250：将所述属性信息、所述扰动信息以及所述应力波信息作为所述混凝土的特征信息。

步骤S260：将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数。

步骤S270：基于所述振捣质量参数检测所述混凝土的振捣质量。

步骤S250、步骤S260以及步骤S270具体可以参照上述实施例中的详细解释，故不在此赘述。

本申请实施例提供的一种振捣质量检测方法，构建质量检测模型，获取当次振捣终止后混凝土的属性信息，获取当次对混凝土进行扰动产生的扰动信息，获取当次对扰动信息进行整形操作后得到的应力波信息，然后将属性信息、扰动信息以及应力波信息作为混凝土的特征信息输入到预先构建的质量检测模型中，获取质量检测模型输出的混凝土的振捣质量参数，最后根据混凝土的振捣质量参数来检测混凝土的振捣质量。通过上述方法，通过预先构建的质量检测模型来获取混凝土的振捣质量参数，然后基于振捣质量参数来检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性。

请参阅图5，本申请实施例提供的一种振捣质量检测方法，所述方法包括：

步骤S310：获取对混凝土进行扰动产生的扰动信息。

作为一种方式，所述扰动信息可以为采集的样本扰动信息，用于训练深度学习神经网络。进一步的，可以获取指定数量的样本扰动信息，将获取到的指定数量的样本扰动信息划分为训练样本集和测试样本集。其中，所述指定数量的样本扰动信息为足够训练深度学习神经网络的扰动信息的样本数量。可选的，在将指定数量的样本扰动信息进行划分时，可以按照一定的比例进行划分。示例性的，比如按照3：1或者4：1的比例进行划分。

步骤S320：获取对所述扰动信息进行整形操作后得到的应力波信息。

作为一种方式，可以将上述获得的指定数量的样本扰动信息进行整形操作，得到指定数量的样本应力波信息。进一步的，可以将指定数量的样本应力波信息划分为训练样本集和测试样本集。具体的，在划分时，也可以按照一定的比例将指定数量的样本应力波信息进行划分，比如可以按照3：1或者4：1的比例进行划分。

步骤S330：将所述扰动信息和所述应力波信息输入深度学习神经网络，对所述深度学习神经网络进行训练，得到质量检测模型。

作为一种方式，所述将所述扰动信息和所述应力波信息输入深度学习神经网络，对所述深度学习神经网络进行训练，得到质量检测模型，包括：将所述扰动信息以及所述应力波信息作为所述深度学习神经网络的输入阵列；将所述混凝土的振捣质量参数作为所述深度学习神经网络的输出阵列；基于所述输入阵列与所述输出阵列，对所述深度学习神经网络进行K次迭代训练，得到所述质量检测模型。

具体的，如图6所示，以振动发生器和振动传感器的参数作为深度学习神经网络的输入层，可以包括且不限于位置(S1、S2...)，振幅(A1、A2...)，频率(F1、F2...)等，组成输入阵列x

其中，所述深度学习神经网络可以为卷积神经网络，将训练样本集输入到卷积神经网络并对其进行训练，构建振捣质量检测的卷积神经网络模型，测试样本集用于模型的评估，判断混凝土振捣质量的检测准确度是否满足要求，若是，则确定模型有效；若否，则采取措施，直至满足准确度度要求。示例性的，如果混凝土的振捣质量的检测准确度大于80％以上，则认为模型构建有效，如果混凝土的振捣质量的检测准确度低于80％，则采取措施提高模型的精度，比如，可以通过扩大样本集并调整模型参数等操作来提高模型的精度，直至所构建的模型满足准确度要求。

步骤S340：获取当次受扰动后的所述混凝土的特征信息。

步骤S350：将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数。

步骤S360：基于所述振捣质量参数检测所述混凝土的振捣质量。

步骤S340、步骤S350以及步骤S360具体可以参照上述实施例中的详细解释，故不在此赘述。

本申请实施例提供的一种振捣质量检测方法，获取对混凝土进行扰动产生的扰动信息，获取对扰动信息进行整形操作后得到的应力波信息，将扰动信息和应力波信息输入深度学习神经网络，对深度学习神经网络进行训练，得到质量检测模型，然后获取当次受扰动后的混凝土的特征信息，将特征信息输入质量检测模型，获取质量检测模型输出的混凝土的振捣质量参数，最后基于振捣质量参数检测混凝土的振捣质量。通过上述方法，通过预先构建的质量检测模型来获取混凝土的振捣质量参数，然后基于振捣质量参数来检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性。

请参阅图7，本申请实施例提供的一种振捣质量检测系统400，所述系统400包括振捣装置410、振动信号采集与处理系统420以及质量智能分析系统430，

所述质量智能分析系统430，用于构建质量检测模型；获取当次受扰动后的混凝土的特征信息。

所述质量智能分析系统430，还用于将所述特征信息输入预先构建的质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数；基于所述振捣质量参数检测所述混凝土的振捣质量。

请参阅图8，本申请实施例提供的一种振捣质量检测装置500，所述装置500包括：

模型建立单元510，用于构建质量检测模型。

具体的，所述模型建立单元510用于获取对所述混凝土进行扰动产生的扰动信息；获取对所述扰动信息进行整形操作后得到的应力波信息；将所述扰动信息和所述应力波信息输入深度学习神经网络，对所述深度学习神经网络进行训练，得到所述质量检测模型。

信息获取单元520，用于获取当次受扰动后的混凝土的特征信息。

参数获取单元530，用于将所述特征信息输入所述质量检测模型，获取所述质量检测模型输出的所述混凝土的振捣质量参数。

质量检测单元540，用于基于所述振捣质量参数检测所述混凝土的振捣质量。

请参阅图9，所述模型建立单元510包括：

输入阵列获取模块512，用于将所述扰动信息以及所述应力波信息作为所述深度学习神经网络的输入阵列。

输出阵列获取模块514，用于将所述混凝土的振捣质量参数作为所述深度学习神经网络的输出阵列。

模型训练模块516，用于基于所述输入阵列与所述输出阵列，对所述深度学习神经网络进行K次迭代训练，得到所述质量检测模型。

请参阅图10，本申请实施例提供的一种信息获取单元520，所述信息获取单元520包括：

属性信息获取模块522，用于获取当次振捣终止后所述混凝土的属性信息。

扰动信息获取模块524，用于获取当次对所述混凝土进行扰动产生的扰动信息。

应力波信息获取模块526，用于获取当次对所述扰动信息进行整形操作后得到的应力波信息。

特征信息获取模块528，用于将所述属性信息、所述扰动信息以及所述应力波信息作为所述混凝土的特征信息。

需要说明的是，本申请中装置实施例与前述方法实施例是相互对应的，装置实施例中具体的原理可以参见前述方法实施例中的内容，此处不再赘述。

下面将结合图11对本申请提供的一种电子设备进行说明。

本发明实施例提供了一种振捣质量检测电子设备，该振捣质量检测电子设备包括处理器和存储器，该存储器中存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的振捣质量检测方法。

存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、功能所需的应用程序等；存储数据区可存储根据所述设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。

图11是本发明实施例提供的一种振捣质量检测电子设备的硬件结构框图。如图11所示，该电子设备1100为服务器，该电子设备1100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(ProcessingUnits，CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130，一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中，存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块，每个模块可以包括对电子设备中的一系列指令操作。更进一步地，处理器1110可以设置为与存储介质1120通信，在电子设备1100上执行存储介质1120中的一系列指令操作。电子设备1100还可以包括一个或一个以上电源1160，一个或一个以上有线或无线网络接口1150，一个或一个以上输入输出接口1140，和/或，一个或一个以上操作系统1121，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM等等。

输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备1100的通信供应商提供的无线网络。在一个实例中，输入输出接口1140包括一个网络适配器(NetworkInterfaceController，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，输入输出接口1140可以为射频(RadioFrequency，RF)模块，其用于通过无线方式与互联网进行通讯。

本领域普通技术人员可以理解，图11所示的结构仅为示意，其并不对上述振捣质量检测电子设备的结构造成限定。例如，电子设备1100还可包括比图11中所示更多或者更少的组件，或者具有与图11所示不同的配置。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述振捣质量检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

本申请提供的一种振捣质量检测方法、系统、装置以及电子设备，首先构建质量检测模型，获取当次受扰动后的混凝土的特征信息，然后将混凝土的特征信息输入预先构建的质量检测模型，获取质量检测模型输出的混凝土的振捣质量参数，基于振捣质量参数检测混凝土的振捣质量。通过上述方法，通过预先构建的质量检测模型来获取混凝土的振捣质量参数，然后基于振捣质量参数来检测混凝土的振捣质量，由于质量检测模型是预先基于大量的数据样本训练过的，所以质量检测模型输出的混凝土的振捣质量参数的准确性高，因此基于振捣质量参数来检测混凝土的振捣质量，提高了对混凝土振捣质量检测的准确性。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。