本發(fā)明涉及圖像數(shù)據(jù)處理領(lǐng)域。更具體地，本發(fā)明涉及一種預(yù)制箱梁模板檢測方法及系統(tǒng)。

背景技術(shù)：

1、箱梁預(yù)制是高速公路、城市快速路建設(shè)等過程中的重要一環(huán)，其質(zhì)量直接影響工程建設(shè)質(zhì)量，而預(yù)制箱梁模板質(zhì)量的優(yōu)劣又直接影響到箱梁的質(zhì)量。其中預(yù)制箱梁模板的鼓包缺陷不僅會影響箱梁的外觀，還可能影響其結(jié)構(gòu)性能和耐久性，例如，預(yù)制箱梁模板的鼓包區(qū)域?qū)е孪淞撼霈F(xiàn)鼓包，鼓包區(qū)域的混凝土可能內(nèi)部不緊實，存在孔洞或蜂窩，降低結(jié)構(gòu)的承載能力和抗震性能。

2、現(xiàn)有公開號為cn113935965a的中國專利申請文件公開了一種預(yù)制箱梁模板檢測系統(tǒng)，包括：掃描模塊，用于掃描待檢測的預(yù)制箱梁模板；三維模型構(gòu)建模塊，用于基于掃描模塊掃描的數(shù)據(jù)構(gòu)建預(yù)制箱梁模板對應(yīng)的三維模型；比對模塊，用于將三維模型與標(biāo)準(zhǔn)模型進行比對，確定比測效果圖；輸出模塊，用于將比測效果圖輸出。本發(fā)明的預(yù)制箱梁模板檢測系統(tǒng)，實現(xiàn)預(yù)制箱梁模板的自動檢測。

3、上述方案中，通過掃描模塊、對比模塊和輸出模塊的方式進行箱梁模板檢測，主要針對已經(jīng)運用在建筑中的檢測，同時當(dāng)掃描設(shè)備的左右擺動過大或存在有物體阻擋時，對掃描精度存在不利影響，除此之外，在對箱梁預(yù)制生產(chǎn)過程中與會產(chǎn)生鼓包缺陷，目前，現(xiàn)有技術(shù)是針對生產(chǎn)后的表面圖像進行識別，通常使用分水嶺算法，其在進行種子點選取時往往采用圖像梯度法進行確定，即簡單地將梯度幅值較大的地方設(shè)置為種子點，但在預(yù)制箱梁模板的鼓包缺陷檢測過程中，由于表面圖像中可能存在其他正常的灰度值變化，導(dǎo)致用梯度法確定種子點的方法出現(xiàn)誤差，進而會影響鼓包缺陷的分割結(jié)果，進一步地影響預(yù)制箱梁模板的檢測結(jié)果。

技術(shù)實現(xiàn)思路

1、為解決表面圖像中可能存在其他正常的灰度值變化，導(dǎo)致用梯度法確定種子點的方法出現(xiàn)誤差，進而會影響鼓包缺陷的分割結(jié)果的問題，本發(fā)明在如下的多個方面中提供方案。

2、在第一方面中，一種預(yù)制箱梁模板檢測方法，包括：獲取預(yù)制箱梁模板的表面圖像，對所述表面圖像進行邊緣檢測，得到邊緣檢測結(jié)果，標(biāo)記為待分析像素點集；計算待分析像素點集中像素點的缺陷表現(xiàn)程度，根據(jù)所述缺陷表現(xiàn)程度獲取待分析像素點集中每個邊緣連通域為鼓包區(qū)域的可能性；響應(yīng)于每個邊緣連通域為鼓包區(qū)域的可能性大于等于缺陷閾值，則該邊緣連通域為鼓包區(qū)域，選取對應(yīng)鼓包區(qū)域中灰度值最低的像素點作為種子點，遍歷所有邊緣連通域；將所有選定的種子點作為分水嶺算法的輸入點，以用于識別表面圖像中鼓包缺陷，從而進行定位和分割，評估鼓包缺陷的嚴(yán)重程度生成可視化缺陷檢測結(jié)果；其中，所述鼓包區(qū)域的可能性：，式中，表示待分析像素點集中第個邊緣連通域為鼓包區(qū)域的可能性，表示第個邊緣連通域中像素點個數(shù)，表示第個邊緣連通域中第個像素點的缺陷表現(xiàn)程度，表示第個邊緣連通域的邊長，表示第個邊緣連通域的最小外接矩形的邊長。

3、其效果在于：通過綜合應(yīng)用邊緣檢測、局部灰度分析和分水嶺算法，實現(xiàn)了對鼓包缺陷的自動化、高精度識別和評估；不僅提高了檢測的準(zhǔn)確性和效率，還通過生成直觀的可視化結(jié)果，增強了人工復(fù)核的便利性，從而確保了預(yù)制箱梁模板的質(zhì)量控制。

4、優(yōu)選的，對所述表面圖像進行邊緣檢測，得到邊緣檢測結(jié)果，標(biāo)記為待分析像素點集，包括：

5、將所述邊緣檢測結(jié)果中的邊緣像素點為待分析像素點集，在待分析像素點集中包含了鼓包區(qū)域、灰塵、油污或其他污染物導(dǎo)致的邊緣。

6、優(yōu)選的，所述缺陷表現(xiàn)程度，包括：

7、將待分析像素點集中任一像素點為目標(biāo)像素點，以目標(biāo)點為中心預(yù)設(shè)窗口大小作為局部范圍，對所述局部范圍內(nèi)像素點進行擬合曲面，計算局部范圍內(nèi)像素點在擬合曲面上的灰度值與該像素點實際灰度值的差值均值，將所述差值均值歸一化作為缺陷表現(xiàn)程度。

8、其效果在于：采用局部區(qū)域灰度差值的擬合和分析方法，能夠更精確地識別出圖像中的微小缺陷，減少誤判和漏判的可能性，以使預(yù)制箱梁模板再檢測中顯著提升了缺陷檢測的性能和效率。

9、優(yōu)選的，所述缺陷表現(xiàn)程度，還包括：

10、將待分析像素點集中任一像素點為目標(biāo)像素點，以目標(biāo)點為中心預(yù)設(shè)窗口大小作為局部范圍，對所述局部范圍內(nèi)像素點進行擬合曲面，計算局部范圍內(nèi)像素點在擬合曲面上的灰度值與該像素點實際灰度值的差值均值；

11、獲取局部范圍內(nèi)每個像素點的梯度方向，將計算局部范圍內(nèi)所有梯度方向的標(biāo)準(zhǔn)差作為可信度；

12、將所述差值均值與可信度的比值進行歸一化處理，并作為缺陷表現(xiàn)程度。

13、其效果在于：進一步通過計算梯度方向的一致性，綜合考慮灰度差值和梯度方向一致性的可信度，提供了一種更為全面和可靠的缺陷檢測手段，有效提升了預(yù)制箱梁模板的質(zhì)量控制和檢測效率。

14、優(yōu)選的，對所述局部范圍內(nèi)像素點進行擬合曲面，包括：

15、使用多項式擬合對局部范圍內(nèi)的像素點進行曲面擬合，其中分別以像素點在局部范圍內(nèi)的索引為軸、軸，其中，軸表示局部范圍內(nèi)第行，軸表示局部范圍內(nèi)第列，以像素點對應(yīng)灰度值為軸，記擬合結(jié)果為。

16、其效果在于：通過多項式擬合增強了對圖像局部區(qū)域灰度變化分析，提高了缺陷檢測的準(zhǔn)確性和可靠性，從而有效提升了預(yù)制箱梁模板的檢測效率。

17、優(yōu)選的，所述將所有選定的種子點作為分水嶺算法的輸入點，以用于識別表面圖像中鼓包缺陷，從而進行定位和分割，包括：

18、其中，所述分水嶺算法是根據(jù)種子點開始，模擬水流向低洼區(qū)域流動的過程，水會沿著梯度較小的路徑流動，直到遇到其他種子點的水流，當(dāng)水流相遇時，形成分水嶺，將圖像分割成不同的區(qū)域，識別出包含鼓包缺陷。

19、其效果在于：通過提高分水嶺算法中的種子點獲取的方式，進而提高分水嶺算法對預(yù)制箱梁的檢測的準(zhǔn)確性，其分水嶺算法的原理是通過模擬水流過程，提供了一種有效的圖像分割和缺陷識別方法，有助于提升預(yù)制箱梁模板的質(zhì)量控制和檢測效率。

20、優(yōu)選的，評估鼓包缺陷的嚴(yán)重程度生成可視化缺陷檢測結(jié)果，包括：

21、根據(jù)鼓包缺陷整理缺陷信息，其中，所述缺陷信息為：位置、大小和形狀等，根據(jù)鼓包缺陷的特征評估其嚴(yán)重程度，其中，所述特征包括：面積、形狀和不規(guī)則度等。

22、第二方面，一種預(yù)制箱梁模板檢測系統(tǒng)，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)上述的預(yù)制箱梁模板檢測方法。

23、本發(fā)明具有以下效果：

24、1、本發(fā)明通過分析鼓包區(qū)域灰度值的變化特征，從而自適應(yīng)確定分水嶺算法的種子點，提高對預(yù)制箱梁模板鼓包缺陷分割的準(zhǔn)確性，進而提高算法的自動化及魯棒性、提高檢測效率。

25、2、本發(fā)明通過自適應(yīng)確定種子點，相比于梯度法選擇種子點，容易受到圖像中局部梯度變化的影響，導(dǎo)致算法生成過多的小區(qū)域，從而導(dǎo)致過度分割的問題，并且梯度法還需確定合適的梯度參數(shù)，通過本案避免梯度參數(shù)的確定，進一步提高算法的自動化及魯棒性。

技術(shù)特征：

1.一種預(yù)制箱梁模板檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種預(yù)制箱梁模板檢測方法，其特征在于，對所述表面圖像進行邊緣檢測，得到邊緣檢測結(jié)果，標(biāo)記為待分析像素點集，包括：

3.根據(jù)權(quán)利要求1所述的一種預(yù)制箱梁模板檢測方法，其特征在于，所述缺陷表現(xiàn)程度，包括：

4.根據(jù)權(quán)利要求1所述的一種預(yù)制箱梁模板檢測方法，其特征在于，所述缺陷表現(xiàn)程度，還包括：

5.根據(jù)權(quán)利要求3或4所述的一種預(yù)制箱梁模板檢測方法，其特征在于，對所述局部范圍內(nèi)像素點進行擬合曲面，包括：

6.根據(jù)權(quán)利要求1所述的一種預(yù)制箱梁模板檢測方法，其特征在于，所述將所有選定的種子點作為分水嶺算法的輸入點，以用于識別表面圖像中鼓包缺陷，從而進行定位和分割，包括：

7.根據(jù)權(quán)利要求1所述的一種預(yù)制箱梁模板檢測方法，其特征在于，評估鼓包缺陷的嚴(yán)重程度生成可視化缺陷檢測結(jié)果，包括：

8.一種預(yù)制箱梁模板檢測系統(tǒng)，其特征在于，包括：處理器和存儲器，所述存儲器存儲有計算機程序指令，當(dāng)所述計算機程序指令被所述處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1-7任一項所述的預(yù)制箱梁模板檢測方法。

技術(shù)總結(jié)
本發(fā)明涉及圖像數(shù)據(jù)處理領(lǐng)域，更具體地，本發(fā)明涉及一種預(yù)制箱梁模板檢測方法及系統(tǒng)，方法包括：獲取預(yù)制箱梁模板的表面圖像，對所述表面圖像進行邊緣檢測，標(biāo)記為待分析像素點集；計算待分析像素點集中像素點的缺陷表現(xiàn)程度，根據(jù)所述缺陷表現(xiàn)程度獲取待分析像素點集中每個邊緣連通域為鼓包區(qū)域的可能性；響應(yīng)于每個邊緣連通域為鼓包區(qū)域的可能性大于等于缺陷閾值，則該邊緣連通域為鼓包區(qū)域，選取對應(yīng)鼓包區(qū)域中灰度值最低的像素點作為種子點；將所有選定的種子點作為分水嶺算法的輸入點，以用于識別表面圖像中鼓包缺陷。本發(fā)明通過分析鼓包區(qū)域灰度值的變化特征，從而自適應(yīng)確定分水嶺算法的種子點，提高檢測的準(zhǔn)確性。

技術(shù)研發(fā)人員：余瑋瑋,周游,謝愛增,陳松濤,黃巧敏
受保護的技術(shù)使用者：保利長大工程有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26