古建筑木柱裂隙监测场景下的多模态智能融合匹配数据

采集了木柱的裂隙最大宽度、监测日期、温度、湿度、降水（数值型数据），天气（文本数据）、以及裂隙监测图片数据数据。通过对上述多源数据进行清洗、融合、特征提取与机器学习建模分析，得到木柱裂隙宽度的标注训练预测数据；该数据通过监测数据与图像数据融合，后续可直接通过图像进行木柱裂隙监测，可直接接入现有监测装置应用于古民居木构建筑裂隙病害监测、结构安全状态评估和裂隙发展趋势预测，能够实现对木柱裂隙变化情况的连续量化分析，辅助判断裂隙是否存在扩大趋势，为古民居木构件修缮、日常巡检、病害预警和保护决策提供数据支撑。另外，后续也可将监测裂隙数据与气象数据结合，实现结合气象变化的古民居建筑木柱裂隙预测。1.数据来源：采集了古民居建筑木柱裂隙监测现场的多模态数据，具体包括：木柱裂隙监测数据，主要字段包括监测日期、裂隙最大宽度（mm）以及与裂隙状态相关的其他环境或记录字段；通过现场拍摄获取的木柱裂隙图片数据。 2.数据处理： 对原始监测数据进行了以下处理： （1）对木柱裂隙监测数据列表目标列进行识别与清洗： 自动识别“裂隙最大宽度（mm）”字段，并根据原始记录内容识别缺失原因，如“位置被动过”、“未记录”等。 （2）缺失数据处理： 对训练阶段中因系统故障导致的部分裂隙宽度缺失数据进行插值填补，同时保证原始数据与处理后数据均可追溯。 （3）图像特征处理： 根据拍摄的木柱裂隙图片，采用 YOLO 模型进行标注，识别出裂隙位置目标框，并生成“图像是否有裂隙”特征，用 1 表示图像中检测或标注到裂隙，用 0 表示未检测到裂隙，空值表示对应图像标注缺失，同时将处理后的木柱裂隙监测数据标注到图像中。

搜集汇总

背景与挑战

背景概述

该数据集面向古建筑木柱裂隙监测场景，整合了裂隙宽度、日期、温湿度、降水等数值数据，天气文本数据及现场图像数据，通过多源数据清洗、融合和YOLO模型图像标注等处理，生成带有裂隙宽度标注的训练数据，可用于图像驱动的木柱裂隙连续监测与趋势分析，支撑古民居木构建筑的病害预警与保护决策，并具备结合气象数据开展裂隙预测的扩展潜力。