其中，可视化透明桥梁模板系统核心的组件是ccn工业相机，ccn工业相机捕捉图像速度快、精度高。由于现场施工环境复杂，作业条件恶劣，要求相机能够在高温、雨天等特殊环境下进行数据采集，系统选择百万级像素的ccn工业相机作为数据采集关键设备，考虑到在实际使用过程中，会存在光照反射、夜晚施工以及振捣时带来的震动等影响会降低采集的数据质量，影响桥梁模板模型的检测精度，因此对其进行封装，同时增加偏振滤光片减少光照干扰，添加coy发光条进行补光，做到防雨防尘防抖动的同时，具备在夜晚施工条件下，进行数据采集和实时检测的功能。控制系统可视化透明桥梁模板系统的控制系统主要由西门子57-1200核心控制器、无线收发模块、振捣装置、信号指示灯等组成。自动控制系统中，将PLC作为上位机，通过与信号传输模块建立通讯，控制采集装置的精确定位，对于混凝土浇筑的实时外观质量，及时反馈，通过信号灯的红、绿闪烁判断是否达到外观质量标准，同时反馈至振捣端。具体控制系统流程如图所示。可视化透明桥梁模板系统最核心的为混凝土外观质量实时检测算法，利用YOLO-V8检测算法，实时检测混凝土桥梁模板墩柱施工过程中产生的气泡缺陷。YOLO-V8检测算法结构主要由特征提取网络(Backbone)，特征融合网络(Neck、检测头(Head)组成，如图所示。其中，特征提取网络(Backbone)主要用来对图像进行特征提取，第一层卷积层利用3X3的卷积核，有效降低桥梁模板模型的参数量，提高桥梁模板模型的训练速度。特征融合网络(Neck)构建上采样和下采样交叉融合，使得特征更具多样性。详细展示了YOLO-v8算法的细部网络结构，具体涉及Conv模块、C'2f模块，SPPF模块以及Detect模块。其中，Conv模块中，主要由卷积层(Conv2d)批量归一化层(I3N)以及激活函数层(SiLU)组成，C'onv2d用于图像特征提取，I3N层能够加快桥梁模板模型收敛，还能保证桥梁模板模型的稳定性，堆叠多个Conv模块，能够大大提高特征提取的质量。SPPF模块是空间金字塔池化层的一种快速实现方式，主要用于在多个尺度上的特征融合，融合特征信息更加全面。C'2f模块是YOLO-V8算法的一大改进，增加了Split层，取消了原有分支中的卷积操作，实现了桥梁模板模型的轻量化。http://www.zbtaixing.com