我国的城市化建设与城市更新中，大量建筑原材料被消耗，又产生了大量的建筑废弃材料。对于建筑废弃材料，建筑企业通常采用填埋以及露天堆放的方式处理，占用土地资源，对环境造成严重污染。在国家可持续战略以及“双碳”理念的倡导下，建筑行业的可持续/绿色发展已成为社会发展的基石，建筑废弃材料的回收与管理是实现绿色建筑的重要方向。本文研究建筑废弃材料回收与管理，旨在回答三个方面的问题：（i）相比于传统二次使用的再利用方式，建筑废弃物的资源化艺术转型能否进一步改善社会的经济效益以及建筑废弃物回收管理是否有必要？（ii）作为建筑废弃物回收管理的技术支撑，传统的手动建筑废弃材料分拣是非常耗时以及需要大量劳动成本，建筑废弃材料自动分拣不仅依赖于高质量的建筑废弃材料数据集，而且依赖于高精确性的建筑废弃材料辨识模型，如何构建高质量的建筑废弃材料数据集以及视觉语言数据集，进而构建高精确性的建筑废弃材料辨识模型以提高建筑废弃材料的识别精确度？（iii）基于生成式人工智能的方式，能否为建筑废弃物的艺术化再设计再利用提供新的创新思路和方法？ 本文研究建筑废弃物的回收、管理与再利用方法及技术，首先提出了建筑废弃物三方随机演化博弈模型，通过经济效益分析为建筑废弃物的资源化艺术化转型提供了理论依据，同时也证明了建筑废弃物回收管理是非常有必要的；其次，考虑到分拣归类是建筑废弃物回收管理的必要手段，提出了一种交叉审查策略的方法以获得高质量的建筑废弃材料数据集；接着，围绕高质量的数据集构建了建筑废弃物图像文本数据集，并围绕多模态方法基于双向对比学习提出了一种新的建筑废弃材料辨识模型；最后，结合图像文本数据集，基于扩散模型构建了建筑废弃物艺术化再设计再利用生成模型，实现不同艺术风格艺术作品的生成，为建筑废弃的资源化再利用提供新思路新方法，进而进一步促进建筑废弃物的可持续发展。 主要研究内容与创新性成果包括： 基于三方随机演化博弈框架的建筑废弃材料回收管理方法。考虑建筑废弃物相关企业是否回收建筑废弃材料对环境收益和惩罚因素的情况下，首先构建基于政府机构、建筑废弃材料制造企业以及建筑废弃材料回收企业的三方演化博弈模型，基于Benetthin算法并利用最大李亚普诺夫指数分析，以确定导致系统不稳定的参数变化范围。其次，考虑到现实环境中外部扰动的存在，构建高斯噪声为外部扰动模型并将其引入到三方演化博弈模型中，提出三方随机演化博弈模型，利用泰勒扩展分析三方随机演化博弈模型的解的稳定性以及均衡条件。通过对二次使用和建筑废弃材料资源建筑废弃材料资源艺术化所带来的影响，且资源艺术化更能够促使政府机构、建筑废弃材料回收和制造企业进行建筑废弃材料的回收与管理，更能促进建筑废弃物的回收管理，更有利于建筑废弃材料的绿色可持续发展。 基于机器视觉的建筑废弃材料识别：可信数据视角。考虑到建筑废弃物的自动分拣归类是建筑废弃物回收管理的必要途径，同时精确的建筑废弃物的辨识是实现建筑废弃材料自动分拣的关键，本文首先采集构建包含多种建筑废弃材料，如砖块、混凝土、石头、木头等的建筑废弃材料数据集，对其进行标注，提出一个以数据为中心的建筑废弃材料识别模型，旨在通过交叉审查策略以获得高质量的建筑废弃材料数据集 —— 删除数据中存在的异常数据，提高建筑废弃材料的辨识精度。对于数据异常检测模型，本文提出了一个交叉审查的模型，通过给每一张训练数据图像计算其相应的分数，判断其与阈值的关系以完成异常数据的删除；利用经典卷积神经网络模型验证分析所获的高质量数据的可靠性以及有效性；通过实验对比分析，对于混凝土数据集，通过交叉审查策略的方法在Inception-V3模型得到了10.80%的准确率提升；对于砖块数据集，通过交叉审查策略的方法在DenseNet模型获得了15.77%的准确率提升；对于金属数据集，通过交叉审查策略的方法在GoogleNet模型得到了11.36%的准确率提升。该实验验证了在进行模型训练之前去掉数据中异常点的必要性。 基于机器视觉的建筑废弃材料识别: 多模态视角。结合高质量的建筑废弃物数据，引入图像文本对构建视觉语言建筑废弃物数据集，基于多模态视角（机器视觉以及自然语言视角）构建建筑废弃物识别模型，提出双向对比学习结合有监督学习训练策略以充分挖掘不同建筑废弃物类别的特征，进而提升建筑废弃物分类的精确度。仿真实验表明：有效的以及高质量的特征学习能够改善建筑废弃物识别的准确率。特别地，对于混凝土数据集，SqueezeNet获得了1.83%的准确率提升；对于砖块数据集，GoogleNet获得了1.62%的准确率提升；对于金属数据集，GoogleNet获得了3.41%的准确率提升；对于木材数据集，SqueezeNet获得了1.59%的准确率提升；对于石头数据集，ResNet获得了1.15%的准确率提升；对于混合数据集，ResNet能够100%实现对5种建筑废弃材料的识别且引入自然语言监督信号使其性能得到了0.34%的提升。 建筑废弃材料的资源艺术转化：生成式 AI 视角。基于视觉语言建筑废弃物数据集，构建建筑废弃物艺术化扩散生成模型，该模型主要包括图像文本编码模型，扩散生成模块，以及请求编码模块。进而研究以多模态建筑废弃材料为元素条件输入，以艺术设计风格以及设计要求为请求的扩散生成模型，为建筑废弃物的艺术作品生成提供新的创新方法。仿真实验结果表示，生成式人工智能方法能够以不同的建筑废弃材料为元素结合不同的艺术设计风格和请求生成相应的艺术作品，能够为艺术创作提供新思路和新方法，能够进一步促进建筑废弃物的回收管理和可持续发展。 |
学校主站