本發明涉及海洋工程施工監測，具體為基于多模態感知與動態耦合建模的樁體貫入度識別方法。
背景技術：
1、樁基礎作為建筑地基、碼頭結構及海上風機等工程的核心承載形式，因其穩定性好、承載力高的特點，在復雜地質與水文條件下具有不可替代的作用。樁體貫入度作為衡量打樁施工質量的關鍵指標，直接影響工程結構的安全性與耐久性。
2、傳統貫入度識別方法主要依賴人工標記測量（如樁身劃線觀測）或單一傳感器監測（如位移傳感器、光學水準儀），存在顯著局限性：人工測量需中斷施工且精度受主觀因素影響，而單一傳感器易受海浪振動、潮汐沖擊及設備機械噪聲干擾，導致數據失真甚至設備損壞。尤其在海洋環境中，光照突變、水霧遮蔽與高頻振動耦合作用，使得傳統方法難以實現全天候連續監測，且離線分析模式無法滿足實時反饋需求。
3、現有技術缺乏多模態數據融合機制與動態干擾補償能力，制約了復雜工況下貫入度識別的精度與可靠性，難以適應現代化智能施工對實時性、魯棒性的嚴苛要求。
技術實現思路
1、針對現有技術的不足，本發明提供了基于多模態感知與動態耦合建模的樁體貫入度識別方法，解決了現有樁體貫入度識別方法在復雜海洋環境中抗干擾能力弱、多源數據融合精度低、實時反饋不足的問題。
2、為實現以上目的，本發明通過以下技術方案予以實現：基于多模態感知與動態耦合建模的樁體貫入度識別方法，包括以下步驟：
3、采集打樁過程中樁體的多模態數據，所述多模態數據包括視覺數據、慣性測量數據及激光測距數據；
4、基于所述多模態數據構建樁體運動狀態的動態耦合模型，通過干擾補償計算剔除噪聲；
5、對所述視覺數據進行預處理，融合預處理后的視覺數據、慣性測量數據及激光測距信息以跟蹤樁體運動狀態；
6、根據融合后的多模態數據計算樁體貫入度，并基于預設施工標準觸發反饋控制。
7、優選的，所述采集打樁過程中樁體的多模態數據的步驟包括：
8、通過高分辨率工業攝像機采集視覺數據；
9、通過樁體表面固定的慣性測量單元采集振動加速度及角速度；
10、通過多組激光測距儀獲取樁體垂直位移及傾斜角。
11、優選的，還包括對所述多模態數據進行預處理的步驟，所述預處理步驟包括時間同步和空間標定；
12、所述時間同步通過ptp協議實現；
13、所述空間標定包括：通過張正友標定法建立攝像機坐標系，并通過最小二乘法擬合激光測距數據與視覺特征點。
14、優選的，所述基于所述多模態數據構建樁體運動狀態的動態耦合模型的步驟包括：
15、建立樁體運動學方程：
16、，
17、其中：
18、為質量矩陣，其元素通過有限元離散化計算為：
19、，
20、為樁體材料密度，和為單元內節點和節點的形狀函數，為單元的體積；
21、為阻尼矩陣，其元素計算為：
22、，
23、為阻尼系數，和為單元內節點和節點的應變-位移關系矩陣，由形狀函數的導數構成；
24、為剛度矩陣，其元素計算為：
25、，
26、為樁體材料彈性模量；
27、為地基反力向量，和分別為海浪作用力與錘擊力向量，為樁體位移向量，和分別為速度向量和加速度向量。
28、優選的，所述干擾補償計算剔除噪聲的步驟包括：
29、通過擴展卡爾曼濾波融合慣性測量數據與視覺特征點位移，具體包括：
30、振動位移計算：
31、通過慣性測量單元加速度數據積分計算振動位移：
32、，
33、，
34、其中，為時刻的慣性測量單元測量加速度，為時間間隔，為時刻的速度，為時刻的振動補償位移；
35、定義補償狀態向量：
36、，
37、其中，為樁體在三維空間中的位置坐標，為樁體的速度分量，為振動位移；
38、測量方程：
39、，
40、其中，為視覺特征點測量得到的位置向量，為振動位移在方向的分量，為測量噪聲；
41、狀態更新：
42、通過卡爾曼增益更新狀態估計值：
43、，
44、其中，為時刻的測量值，為測量矩陣，表示狀態量與觀測量之間的線性關系；為狀態預測值；為狀態最優估計值。
45、優選的，所述對所述視覺數據進行預處理的步驟包括：
46、采用自適應直方圖均衡化與暗通道先驗去霧算法消除海洋環境中的水霧干擾，并基于慣性測量單元數據估計攝像機運動模糊核，通過逆濾波算法恢復清晰圖像。
47、優選的，所述融合預處理后的視覺數據、慣性測量數據及激光測距信息以跟蹤樁體運動狀態的步驟包括：
48、采用改進的yolov8模型實時檢測樁體輪廓及標記點；所述改進包括：
49、將主干網絡替換為輕量化mobilenetv3；
50、在輸出層引入自適應閾值機制以提升低對比度環境下的檢測精度；
51、使用包含標注圖像的數據集進行訓練，所述數據集覆蓋不同光照條件、天氣類型及樁體類型；
52、通過多模態特征融合跟蹤樁體運動狀態，包括：
53、定義跟蹤狀態向量：
54、，
55、其中，為樁體在三維空間中的位置坐標，為樁體在三維空間中的速度分量；
56、狀態轉移矩陣：
57、，
58、其中，為相鄰時刻與之間的時間間隔；
59、控制輸入矩陣：
60、，
61、控制輸入：
62、，
63、表示時刻樁體在方向的加速度分量，由視覺檢測、激光測距及慣性測量單元振動補償量融合得到；
64、狀態預測公式：
65、，
66、其中，為時刻的狀態最優估計值，為時刻的狀態預測值；
67、預測公式展開為：
68、，
69、，
70、其中，為時刻預測的位置，為時刻修正后的位置，為時刻修正后的速度，為時刻的加速度輸入；
71、同理應用于和分量。
72、優選的，所述根據融合后的多模態數據計算樁體貫入度的步驟包括：
73、對個激光測距值進行振動補償，得到有效距離：
74、，
75、其中，表示第個激光測距儀測量的原始距離，表示第個慣性測量單元計算的振動補償位移；
76、對補償后的激光測距數據加權融合，并結合樁體傾斜角修正計算實時貫入度：
77、，
78、其中，為第個激光測距值的權重，滿足；為樁體實時傾斜角；用于將傾斜距離投影至垂直方向。
79、優選的，所述基于預設施工標準觸發反饋控制的步驟包括：
80、當樁體實時貫入度與預設值的偏差超過動態調整的閾值時，觸發三級報警。
81、本發明還提供基于多模態感知與動態耦合建模的樁體貫入度識別系統，包括：
82、多模態數據采集模塊，用于采集打樁過程中樁體的視覺數據、慣性測量數據及激光測距數據；
83、動態耦合建模模塊，用于基于所述多模態數據構建樁體運動狀態的動態耦合模型，并通過干擾補償計算剔除噪聲；
84、多模態融合處理模塊，用于對視覺數據進行預處理，并融合預處理后的視覺數據、慣性測量數據及激光測距信息以跟蹤樁體運動狀態；
85、貫入度計算模塊，用于根據融合后的多模態數據計算樁體實時貫入度；
86、施工反饋模塊，用于基于貫入度計算結果及預設施工標準觸發控制指令。
87、本發明提供了基于多模態感知與動態耦合建模的樁體貫入度識別方法。具備以下有益效果：
88、1、本發明通過多模態傳感器（視覺、慣性、激光）的協同感知與數據融合，克服了單一傳感器在海洋高濕、多霧、強振動環境下的局限性，利用時空標定與動態補償技術，有效抑制了水霧遮蔽、光照變化及機械振動對測量數據的干擾，顯著提升了系統的環境適應性。
89、2、本發明基于有限元離散化構建樁體-地基-船體耦合動力學模型，從物理機理層面描述樁體運動特性，結合擴展卡爾曼濾波對多源數據進行深度融合，實現了樁體真實位移與振動噪聲的精準分離，解決了傳統方法因模型簡化導致的運動預測偏差問題。
90、3、本發明改進的yolov8目標檢測模型通過輕量化網絡結構與自適應閾值機制，在低對比度、強干擾環境下仍能穩定識別樁體輪廓及標記點，結合運動模糊校正與去霧算法，確保了視覺數據的高質量輸入，為多模態跟蹤提供了可靠基準。
91、4、本發明通過動態閾值報警機制與多級反饋控制，實時監測貫入度偏差并觸發分級響應，結合云端數據同步與三維可視化界面，實現了施工狀態的全局監控與快速決策，大幅降低了人為誤判風險，提升了打樁作業的安全性與效率。