基于 BIM 的钢结构无损检测技术
近年来各类信息新型无损检测技术被大量引入建筑工程检测领域，
基于BIM的钢结构无损检测技术便属于其中典型,该技术的应用需首先 小波分解建筑钢结构检测图像，并针对性设立阈值，由此得到的变换系 数需有选择保存, 保证保存的变换系数均不小于阈值。通过去噪处理钢 结构检测图像,开展针对性的形态学处理（红外图像技术）,检测图像的 清晰度即可大幅增强,建筑工程钢结构缺陷边缘的无损检测可由此顺利 完成。在基于BIM的钢结构无损检测技术具体应用中，选取小波基、选定 分解层数、判定阈值、小波消噪、形态学处理、缺陷边缘检测（基于钢结构 检测图像）均属于其中关键。应选择具备优秀线性相位属性、高阶消失 矩、紧支性、正则性等属性的双正交小波基，即双正交小波基bior3.1,以 此用于建筑钢结构噪声与图像信号检测；需按照最小近似信号噪声标准 选取信号分解层数,如信号信噪比SNR小于20,分解层数应为5,否则为 4，为实现实时性的无损检测，可选择4作为分解层数；作为信号去噪的 关键步骤，判定阈值需基于式（1）实现，式中的y、a、e、M分别为尺度向 量、噪声大小、常数、小波系数数量。噪声的大小a可基于最小尺度空间 的小波系数获取,由此结合小波系数空间（建筑钢结构检测图像信号）中 信号和噪声拥有的具备传播性小波变换系数，可基于式（2）确定a值，式 中的j、分别为首次小波变换获取的小波系数与小波系数均值。
小波消噪需建立零通小波，由此进行的信息恢复需基于重构公式实 现，以此完成消噪，这一过程需采用奇异性指数衡量信号的局部奇异点 特征；形态学处理需结合膨胀处理和腐蚀处理针对性展开，一般采用将 检测目标边界某类像素删除的处理方式，以此提升图像清晰度；具体的 缺陷边缘检测需采用红外图像技术，配合旋转跟踪法，即可基于
以某绿色施工建筑钢结构检测为例，基于BIM技术，该工程建设了 如图2所示的绿色施工建筑钢结构检测模型。 结合图3可以发现，基础 数据层由选取小波基与分解层数的结果构成，检测模型技术层则需经过 判定阈值、小波消噪、形态学处理等过程，模型的数据管理可基于图像边 缘缺陷检测实现，全寿命周期的绿色建筑钢结构管控可由此获得有力支 持。
