CN106530274A - 一种钢梁裂纹的定位方法 - Google Patents
一种钢梁裂纹的定位方法 Download PDFInfo
- Publication number
- CN106530274A CN106530274A CN201610886879.3A CN201610886879A CN106530274A CN 106530274 A CN106530274 A CN 106530274A CN 201610886879 A CN201610886879 A CN 201610886879A CN 106530274 A CN106530274 A CN 106530274A
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- splicing
- images
- width
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 73
- 239000010959 steel Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 10
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 44
- 238000001514 detection method Methods 0.000 claims description 31
- 238000012217 deletion Methods 0.000 claims description 20
- 230000037430 deletion Effects 0.000 claims description 20
- 206010011376 Crepitations Diseases 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 15
- 230000004807 localization Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 12
- 230000004087 circulation Effects 0.000 claims description 8
- 230000010339 dilation Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007689 inspection Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000001066 destructive effect Effects 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 229910001374 Invar Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种钢梁裂纹的定位方法,属于故障诊断技术与信号处理分析技术领域。本发明首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。本发明克服了传统无损检测方法如较高距离时因人眼分辨力不高而导致遗漏裂纹或统计误报以及涡流断面效应等弊端。
Description
技术领域
本发明涉及一种钢梁裂纹的定位方法,属于故障诊断技术与信号处理分析技术领域。
背景技术
钢结构工程凭借其独有的优势,如结构轻盈、造型美观、结构跨度大、重量轻、承载能力高、施工进度快等,目前越来越多地应用于铁路和公路的大型桥梁、各类大小型厂房等工程。目前,随着大型钢结构梁的广泛应用,钢结构施工技术以及相应的测试手段和分析技术也在不断发展。为了更好控制钢结构工程的稳定性,必须做好钢梁及钢结构的检测工作。自动化检测和生产中所使用的钢梁导轨一旦在表面出现裂纹,便会对其生产造成极大的经济损失和引发严重的人身安全问题,尤其是生产线中顶部的导轨,在受到吊架滚轮运行中向上或向下的挤压分力、应力积聚会导致破坏断裂频频发生。
目前,钢结构检测中常用的人工目视检测主要依靠工作人员凭借肉眼观察钢梁表面缺陷。当检测钢梁导轨时,由于受到人眼分辨力和钢梁距地面高度的限制,目视检测不能发现表面上非常细微的缺陷,也不能清晰地分辨裂纹、焊缝、锈迹和油污等信息。长时间观测人类视觉系统会因钢梁表面照度、颜色和工厂光照环境的影响产生视觉疲劳以及空间分辨率降低,从而产生遗漏裂纹等错误统计现象。同时,由于工作人员的检测评判标准和主观经验不一致,该方法很难形成统一、客观的评判标准。因此,迫切需要一种有效的自动化检测方法来替代安检人员在重复的检测工作中不仅能够准确的记录大量多样化的钢梁裂纹信息,而且能够有效地提高钢梁裂纹的检测效率,而基于图像处理的钢梁裂纹检测方法能够以较低的成本、可靠的检测质量达到此目的。
发明内容
基于以上问题,本发明提供了一种钢梁裂纹的定位方法,通过图像处理的方式将图像拼接、图像分割和目标定位算法结合起来,有效地解决了车间工作人员目前依靠目视化检查发现裂纹,检测工作量大、效率低、耗时长以及其他无损检测技术都难以对钢梁进行有效检测的问题。
本发明的技术方案是:一种钢梁裂纹的定位方法,首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
所述方法的具体步骤如下:
Step1、通过利用工业相机采集钢梁的裂纹图像并记录裂纹图像的采集时间点,同时采集红外传感器接触钢梁上挡板的时间作为定位时间点;
Step2、依次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取两幅裂纹图像最右侧匹配点的x坐标值x 2和x 3为止;其中,相邻定位时间点内相邻的两幅裂纹图像表示该相邻的两幅裂纹图像的采集时间点属于相邻定位时间点内;采集到的每幅裂纹图像尺寸x 1×y 1均相同;
所述步骤Step2中,获取两幅裂纹图像最右侧匹配点的x坐标值的步骤如下:
Step2.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step2.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step2.3、利用SIFT特征点匹配方法对Image1和Image2进行两幅图像的特征点检测;
Step2.4、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step2.5;否则,返回步骤Step2.2;
Step2.5、判断特征点匹配对数是否大于1对:
如果大于1对,则执行步骤Step2.6;否则,返回步骤Step2.2;
Step2.6、分别获取Image1和Image2最右侧匹配点的x坐标值x 2和x 3;
Step2.7、删除临时文件夹Temp-1。
Step3、依次选取相邻定位时间点内相应的裂纹图像进行快速图像拼接,直至相邻定位时间点内采集的所有裂纹图像拼接完毕;其中,相邻定位时间点内相应的裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内;定位时间点的个数为m,钢梁的数量为n,则拼接完毕后的图像共n×(m-1)幅;
所述步骤Step3中,快速图像拼接的步骤如下:
Step3.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step3.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;
Step3.3、从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step3.4、截取Image1自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3,截取Image2自右侧起(x 1/2)×y 1面积的图像作为拼接对象Image4;
Step3.5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
Step3.6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step3.7;否则,执行步骤Step3.11;
Step3.7、判断特征点匹配数量是否大于1对:
如果大于1对,则执行步骤Step3.8;否则,执行Step3.11;
Step3.8、选取Image3最左侧匹配点的坐标值作为定位基准,截取该坐标左侧的图像作为拼接对象Image5;选取Image4最左侧匹配点的坐标值作为定位基准,截取该坐标右侧的图像作为拼接对象Image6;删除Image1自右侧起(x 1/3)×y 1面积的图像后将剩余的图像作为拼接对象Image7;
Step3.9、将Image7、Image5和Image6依次放入模板中得到拼接结果Stitching-Image-i;其中模板的宽度尺寸为Image7、Image5和Image6三者的宽度之和;其中,i=(1,2,…,n×(m-1));
Step3.10、判断Stitching-Image-i的图像宽度尺寸是否大于Image1的图像宽度尺寸:如果大于,则执行Step3.13;否则,执行Step3.14;
Step3.11、删除Image1自右侧起面积为A或A´的图像后将剩余的图像作为拼接对象Image8,删除Image2自左侧起面积为B的图像后将剩余的图像作为拼接对象Image9;其中,Image1的尺寸为x 4×y 1,Image2的尺寸为x 1×y 1;
所述步骤Step3.11中,获取Image1右侧面积为A或A´的图像和Image2左侧面积为B的图像步骤如下:
Step3.11.1、判断Image1的尺寸中x方向的尺寸值x 4是否与x 1相等:
如果相等,则以坐标点(x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A=(x 4-x 2)×y 1的图像;如果不相等,则以坐标点(x 4-x 1+x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A´=(x 1-x 2)×y 1的图像;
Step3.11.2、在Image2中,以坐标点(0,0)和坐标点(x 3,y 1)为对角坐标截取面积为B=x 3×y 1的图像;
Step3.12、将Image8、Image9依次放入模板中得到拼接结果,并将该结果图像命名为Stitching-Image-i;其中,i=(1,2,…,n×(m-1));
Step3.13、将拼接结果Stitching-Image-i保存在文件夹Stitching-Images中;
Step3.14、从Stitching-Images中抽取拼接结果Stitching-Image-i替换Image1,从Temp-1中抽取最小采集时间点的裂纹图像作为待拼接图像Image2,,并将该图像从Temp-1中删除;循环执行Step3.4至Step3.13,直至Temp-1中所有的图像抽取完毕;
Step3.15、删除临时文件夹Temp-1。
Step4、依次选取n×(m-1)幅拼接完毕的图像进行裂纹图像处理,直至所有幅拼接完毕的图像处理完毕,从而得到拼接完毕后的n×(m-1)幅图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
所述步骤Step4中,裂纹图像处理的步骤如下:
Step4.1利用直方图均衡方法对拼接后的图像Stitching-Image-i进行亮度调节;
Step4.2、利用Canny算子对调节亮度后的图像进行边缘检测,得到边缘信息图像;
Step4.3、利用形态学开运算提取边缘信息图像中的光影信息图像;
Step4.4、利用基于图像的减法运算将边缘信息图像与光影信息图像相减,从而消除光影;
Step4.5、利用形态学膨胀对去光影后的图像进行轮廓加粗,得到轮廓加粗后的图像;
Step4.6、以轮廓加粗后的图像左上角为坐标原点利用特征描述算子进行非裂纹信息的筛选,得到仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
同时采集裂纹图像的钢梁能为一根或多根:若为一根,则只选取相邻定位时间段内该钢梁的裂纹图像进行快速图像拼接;若为多根,则钢梁平行布置,则选取相同的相邻定位时间段内多根平行布置钢梁的裂纹图像依次进行快速图像拼接。
本发明的有益效果是:
(1)本发明克服了传统无损检测方法如较高距离时因人眼分辨力不高而导致遗漏裂纹或统计误报以及涡流断面效应等弊端,提出利用图像处理的检测方法以较低的成本和可靠的检测质量实现无监督的快速裂纹检测,同时不需要安检人员拥有相关的专业背景,方便操作,同时提高工厂的经济效益并保障安检人员的人身安全;
(2)本发明所述方法可以对较长的钢梁进行图像信息的快速分段拼接,并能够有效地对钢梁进行直观的分段检测;而基于图像处理的边缘检测方法能够有效地实现钢梁位置的精确定位;
(3)本发明所述方法提出利用形态学闭运算获取全景钢梁裂纹图像中存在的光影,并利用基于图像的减法运算有效地避免光影被叠加于真实裂纹或误判为真实裂纹的问题,改善了钢梁裂纹的分割结果。
附图说明
图1是本发明的方法流程图;
图2是本发明获取两幅裂纹图像最右侧匹配点的x坐标值的方法流程图;
图3是本发明关于快速图像拼接的方法流程图;
图4是本发明关于裂纹图像处理的方法流程图;
图5是本发明关于两个时间段内共41幅裂纹图像拼接后的示意图;
图6是本发明利用Canny算子进行边缘检测的结果图;
图7是本发明消除光影后的结果图;
图8是本发明最终含有裂纹信息的结果图;
图9是本发明关于图5的Ground Truth结果图。
具体实施方式
实施例1:如图1-9所示,一种钢梁裂纹的定位方法,首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
所述方法的具体步骤如下:
Step1、通过利用工业相机采集钢梁的裂纹图像并记录裂纹图像的采集时间点,同时采集红外传感器接触钢梁上挡板的时间作为定位时间点;
Step2、依次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取两幅裂纹图像最右侧匹配点的x坐标值x 2和x 3为止;其中,相邻定位时间点内相邻的两幅裂纹图像表示该相邻的两幅裂纹图像的采集时间点属于相邻定位时间点内;采集到的每幅裂纹图像尺寸x 1×y 1均相同;
所述步骤Step2中,获取两幅裂纹图像最右侧匹配点的x坐标值的步骤如下:
Step2.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step2.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step2.3、利用SIFT特征点匹配方法对Image1和Image2进行两幅图像的特征点检测;
Step2.4、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step2.5;否则,返回步骤Step2.2;
Step2.5、判断特征点匹配对数是否大于1对:
如果大于1对,则执行步骤Step2.6;否则,返回步骤Step2.2;
Step2.6、分别获取Image1和Image2最右侧匹配点的x坐标值x 2和x 3;
Step2.7、删除临时文件夹Temp-1。
Step3、依次选取相邻定位时间点内相应的裂纹图像进行快速图像拼接,直至相邻定位时间点内采集的所有裂纹图像拼接完毕;其中,相邻定位时间点内相应的裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内;定位时间点的个数为m,钢梁的数量为n,则拼接完毕后的图像共n×(m-1)幅;
所述步骤Step3中,快速图像拼接的步骤如下:
Step3.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step3.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;
Step3.3、从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step3.4、截取Image1自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3,截取Image2自右侧起(x 1/2)×y 1面积的图像作为拼接对象Image4;
Step3.5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
Step3.6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step3.7;否则,执行步骤Step3.11;
Step3.7、判断特征点匹配数量是否大于1对:
如果大于1对,则执行步骤Step3.8;否则,执行Step3.11;
Step3.8、选取Image3最左侧匹配点的坐标值作为定位基准,截取该坐标左侧的图像作为拼接对象Image5;选取Image4最左侧匹配点的坐标值作为定位基准,截取该坐标右侧的图像作为拼接对象Image6;删除Image1自右侧起(x 1/3)×y 1面积的图像后将剩余的图像作为拼接对象Image7;
Step3.9、将Image7、Image5和Image6依次放入模板中得到拼接结果Stitching-Image-i;其中模板的宽度尺寸为Image7、Image5和Image6三者的宽度之和;其中,i=(1,2,…,n×(m-1));
Step3.10、判断Stitching-Image-i的图像宽度尺寸是否大于Image1的图像宽度尺寸:如果大于,则执行Step3.13;否则,执行Step3.14;
Step3.11、删除Image1自右侧起面积为A或A´的图像后将剩余的图像作为拼接对象Image8,删除Image2自左侧起面积为B的图像后将剩余的图像作为拼接对象Image9;其中,Image1的尺寸为x 4×y 1,Image2的尺寸为x 1×y 1;
所述步骤Step3.11中,获取Image1右侧面积为A或A´的图像和Image2左侧面积为B的图像步骤如下:
Step3.11.1、判断Image1的尺寸中x方向的尺寸值x 4是否与x 1相等:
如果相等,则以坐标点(x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A=(x 4-x 2)×y 1的图像;如果不相等,则以坐标点(x 4-x 1+x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A´=(x 1-x 2)×y 1的图像;
Step3.11.2、在Image2中,以坐标点(0,0)和坐标点(x 3,y 1)为对角坐标截取面积为B=x 3×y 1的图像;
Step3.12、将Image8、Image9依次放入模板中得到拼接结果,并将该结果图像命名为Stitching-Image-i;其中,i=(1,2,…,n×(m-1));
Step3.13、将拼接结果Stitching-Image-i保存在文件夹Stitching-Images中;
Step3.14、从Stitching-Images中抽取拼接结果Stitching-Image-i替换Image1,从Temp-1中抽取最小采集时间点的裂纹图像作为待拼接图像Image2,,并将该图像从Temp-1中删除;循环执行Step3.4至Step3.13,直至Temp-1中所有的图像抽取完毕;
Step3.15、删除临时文件夹Temp-1。
Step4、依次选取n×(m-1)幅拼接完毕的图像进行裂纹图像处理,直至所有幅拼接完毕的图像处理完毕,从而得到拼接完毕后的n×(m-1)幅图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
所述步骤Step4中,裂纹图像处理的步骤如下:
Step4.1利用直方图均衡方法对拼接后的图像Stitching-Image-i进行亮度调节;
Step4.2、利用Canny算子对调节亮度后的图像进行边缘检测,得到边缘信息图像;
Step4.3、利用形态学开运算提取边缘信息图像中的光影信息图像;
Step4.4、利用基于图像的减法运算将边缘信息图像与光影信息图像相减,从而消除光影;
Step4.5、利用形态学膨胀对去光影后的图像进行轮廓加粗,得到轮廓加粗后的图像;
Step4.6、以轮廓加粗后的图像左上角为坐标原点利用特征描述算子进行非裂纹信息的筛选,得到仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
实施例2:如图1-9所示,一种钢梁裂纹的定位方法,首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
所述方法的具体步骤如下:
Step1、通过利用工业相机采集钢梁的裂纹图像并记录裂纹图像的采集时间点,同时采集红外传感器接触钢梁上挡板的时间作为定位时间点;
Step2、依次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取两幅裂纹图像最右侧匹配点的x坐标值x 2和x 3为止;其中,相邻定位时间点内相邻的两幅裂纹图像表示该相邻的两幅裂纹图像的采集时间点属于相邻定位时间点内;采集到的每幅裂纹图像尺寸x 1×y 1均相同;
Step3、依次选取相邻定位时间点内相应的裂纹图像进行快速图像拼接,直至相邻定位时间点内采集的所有裂纹图像拼接完毕;其中,相邻定位时间点内相应的裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内;定位时间点的个数为m,钢梁的数量为n,则拼接完毕后的图像共n×(m-1)幅;
Step4、依次选取n×(m-1)幅拼接完毕的图像进行裂纹图像处理,直至所有幅拼接完毕的图像处理完毕,从而得到拼接完毕后的n×(m-1)幅图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
实施例3:如图1-9所示,一种钢梁裂纹的定位方法,首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
实施例4:如图1-9所示,以检测两根平行钢梁(共分为6段)的裂纹为例,一种快速全景钢梁裂纹图像边缘检测及定位方法的流程图如图1所示。具体步骤如下:
A、通过摄像机采集钢梁的裂纹图像并记录裂纹图像的采集时间点,同时采集红外传感器接触钢梁上挡板的时间作为定位时间点(共21:16:15.179、21:16:23.931、21:16:32.678和21:16:41.4294总计4个时间点)。
B、依次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配(即依次选取(21:16:15.179、21:16:23.931);(21:16:23.931、21:16:32.678);(21:16:23.931、21:16:32.678)每两个相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配),
直至获取两幅裂纹图像最右侧匹配点的x坐标值x 2和x 3为止(4个定位时间点构成的3组相邻定位时间点);相邻定位时间点内相邻的两幅裂纹图像表示该相邻的两幅裂纹图像的采集时间点属于相邻定位时间点内;采集到的每幅裂纹图像尺寸x 1×y 1=1280×960均相同;
所述步骤B中,获取两幅裂纹图像最右侧匹配点的x坐标值的方法流程如图2所示,其步骤如下:
B1、将相邻的定位时间点(21:16:15.179、21:16:23.931)内相应的裂纹图像保存在临时文件夹Temp-1中;
B2、从Temp-1中抽取最小采集时间点命名为211615.502.jpg的裂纹图像作为基准图像Image1;从抽取后的Temp-1中再次抽取最小采集时间点命名为211615.573.jpg的裂纹图像作为待拼接图像Image2;
B3、利用SIFT特征点匹配方法对Image1和Image2进行两幅图像的特征点检测;
B4、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:匹配不成功,则返回步骤B2;
B2、从Temp-1中抽取最小采集时间点命名为211615.655.jpg的裂纹图像作为基准图像Image1;从抽取后的Temp-1中再次抽取最小采集时间点命名为211615.820.jpg的裂纹图像作为待拼接图像Image2;
B3、利用SIFT特征点匹配方法对Image1和Image2进行两幅图像的特征点检测;
B4、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:匹配成功,则执行步骤B5;
B5、判断特征点匹配对数是否大于1对:
特征点匹配对数为50对,则执行步骤B6;
B6、分别获取Image1和Image2最右侧匹配点的x坐标值x 2=1034和x 3=416;
B7、删除临时文件夹Temp-1。
C、依次选取相邻定位时间点内相应的裂纹图像进行快速图像拼接(即依次选取(21:16:15.179、21:16:23.931);(21:16:23.931、21:16:32.678);(21:16:23.931、21:16:32.678)每两个相邻定位时间点内相应的裂纹图像进行快速图像拼接,得到一幅拼接完毕后的图像),直至采集的所有裂纹图像拼接完毕(4个定位时间点构成的3组相邻定位时间点,会得到3幅拼接完毕后的图像);相邻定位时间点内相应的裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内;定位时间点的个数m=4,钢梁的数量为2,则拼接完毕后的图像共n×(m-1)=6幅;快速图像拼的方法流程如图3所示;
所述步骤C中,以前两个相邻定位时间点21:16:15.179和21:16:23.931为基准选取的41幅钢梁裂纹图像中的前4幅钢梁裂纹图像为例进行3个循环的快速拼接步骤如下(相邻定位时间点内(21:16:15.179、21:16:23.931)相应的41幅裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内):
循环1:
C1、将41幅裂纹图像保存在临时文件夹Temp-1中;
C2、从Temp-1中抽取最小采集时间点命名为211615.502.jpg的裂纹图像作为基准图像Image1;
C3、从抽取后的Temp-1中再次抽取最小采集时间点命名为211615.573.jpg的裂纹图像作为待拼接图像Image2;
C4、截取Image1(图像尺寸为1280×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3(图像尺寸为427×960),截取Image2(图像尺寸为1280×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image4(图像尺寸为640×960);
C5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
C6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:匹配不成功,执行步骤C11;
C11、删除Image1自右侧起面积为A的图像后将剩余的图像作为拼接对象Image8,删除Image2自左侧起面积为B的图像后将剩余的图像作为拼接对象Image9;其中,Image1的尺寸为x 4×y 1=1280×960,Image2的尺寸为x 1×y 1=1280×960;
所述步骤C11中,获取Image1右侧面积为A的图像和Image2左侧面积为B的图像步骤如下:
C11.1、判断Image1的尺寸中x方向的尺寸值x 4是否与x 1相等:
x 4与x 1相等,则以坐标点(x 2,0)=(1034,0)和坐标点(x 4,y 1)=(1280,960)为对角坐标截取面积为A=(x 4-x 2)×y 1=246×1280的图像;
C11.2、在Image2中,以坐标点(0,0)和坐标点(x 3,y 1)=(416,1280)为对角坐标截取面积为B= x 3×y 1=416×1280的图像;
C12、将Image8、Image9依次放入模板中得到拼接结果,并将该结果图像命名为Stitching-Image-1(图像尺寸为1898×960);
C13、将拼接结果Stitching-Image-1保存在文件夹Stitching-Images中;
循环2:
C14、从Stitching-Images中抽取拼接结果Stitching-Image-1替换Image1,从Temp-1中抽取最小采集时间点命名为211615.655.jpg的裂纹图像作为待拼接图像Image2;
C4、截取Image1(图像尺寸为1898×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3(图像尺寸为427×960),截取Image2(图像尺寸为1280×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image4(图像尺寸为640×960);
C5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
C6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:匹配成功,执行步骤C7;
C7、判断特征点匹配数量是否大于1对:
大于1对,执行步骤C8;
C8、选取Image3最左侧匹配点的坐标值作为定位基准,截取该坐标左侧的图像作为拼接对象Image5(图像尺寸为315×960);选取Image4最左侧匹配点的坐标值作为定位基准,截取该坐标右侧的图像作为拼接对象Image6(图像尺寸为497×960);删除Image1自右侧起(x 1/3)×y 1面积的图像后将剩余的图像作为拼接对象Image7(图像尺寸为1471×960);
C9、将Image7、Image5和Image6依次放入模板中得到拼接结果Stitching-Image-1(图像尺寸为2283×960);其中模板的宽度尺寸为Image7、Image5和Image6三者的宽度之和;
C13、将拼接结果Stitching-Image-1保存在文件夹Stitching-Images中;
循环3:
C14、从Stitching-Images中抽取拼接结果Stitching-Image-1替换Image1,从Temp-1中抽取最小采集时间点命名为211615.820.jpg的裂纹图像作为待拼接图像Image2;
C4、截取Image1(图像尺寸为2283×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3(图像尺寸为427×960),截取Image2(图像尺寸为1280×960)自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image4(图像尺寸为640×960);
C5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
C6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:匹配成功,执行步骤C7;
C7、判断特征点匹配数量是否大于1对:
不大于1对,执行步骤C11;
C11、删除Image1自右侧起面积为A´的图像后将剩余的图像作为拼接对象Image8,删除Image2自左侧起面积为B的图像后将剩余的图像作为拼接对象Image9;其中,Image1的尺寸为x 4×y 1=2283×960,Image2的尺寸为x 1×y 1=1280×960;
所述步骤C11中,获取Image1右侧面积为A´的图像和Image2左侧面积为B的图像步骤如下:
C11.1、判断Image1的尺寸中x方向的尺寸值x 4是否与x 1相等:
x 4与x 1不相等,则以坐标点(x 4-x 1+x 2,0)=(2037,0)和坐标点=(1280,960)为对角坐标截取面积为A´=(x 1-x 2)×y 1=246×1280的图像;
C11.2、在Image2中,以坐标点(0,0)和坐标点(x 3,y 1)=(416,1280)为对角坐标截取面积为B= x 3×y 1=416×1280的图像;
C12、将Image8、Image9依次放入模板中得到拼接结果,并将该结果图像命名为Stitching-Image-1(图像尺寸为2901×960);
C13、将拼接结果Stitching-Image-1保存在文件夹Stitching-Images中;
C14、从Stitching-Images中抽取拼接结果Stitching-Image-1替换Image1,从Temp-1中抽取最小采集时间点命名为211615.993.jpg的裂纹图像作为待拼接图像Image2;剩余的37幅图像依据以上循环方式执行C3至C13,直至Temp-1中所有41幅的图像抽取完毕;
C15、删除临时文件夹Temp-1;
循环结束后两个时间段内的41幅裂纹图像拼接后的结果Stitching-Image-1如图5所示;表1为4种拼接方法利用不同幅数钢梁裂纹图像进行拼接的结果。其中利用基于MATLAB2013b软件平台的原始SIFT方法和Harris角点匹配方法仅能拼接2幅裂纹图像,利用基于MATLAB2013b平台的As-Projective-As-Possible Image Stitching with MovingDLT论文提供的拼接方法也仅能拼接3幅裂纹图像,当拼接更多幅图像时就会发生拼接错乱或误拼接现象。结合图5和表1可以看出,本发明利用基于LabVIEW2014软件平台的快速图像拼接方法能够在完整拼接较多幅图像的前提下消耗极少的拼接时间。
表1 4种方法拼接不同幅数钢梁裂纹图像的时间比较
D、依次选取n×(m-1)=6幅拼接完毕的图像进行裂纹图像处理,直至所有幅拼接完毕的图像处理完毕,从而得到拼接完毕后的n×(m-1)=6幅图像中仅含有裂纹信息的图像和6幅图像里所有裂纹的定位结果。
所述步骤D中,裂纹图像处理的方法流程如图4所示。以处理拼接后的图像Stitching-Image-1为例,其步骤如下:
D1、利用直方图均衡方法对拼接后的图像Stitching-Image-1进行亮度调节;其中,亮度调节的像素范围为[0,255];
D2、利用Canny算子对调节亮度后的图像进行边缘检测,得到边缘信息图像;其中,Canny算子的参数设置为σ=7.5,阈值T∈[0.04,0.10],窗口尺寸w=9;边缘检测的结果如图6所示;
D3、利用形态学开运算提取边缘信息图像中的光影信息图像;其中,结构元素选为中间列全1而其他列全0的7×7矩阵,开运算次数为1次;
D4、利用基于图像的减法运算将边缘信息图像与光影信息图像相减,从而消除光影;消除光影后的结果如图7所示;
D5、利用形态学膨胀对去光影后的图像进行轮廓加粗,得到轮廓加粗后的图像;其中形态学膨胀所选取的结构元素为全1的3×3矩阵,膨胀次数为1次;
D6、以轮廓加粗后的图像左上角为坐标原点利用特征描述算子进行非裂纹信息的筛选,得到仅含有裂纹信息的图像和图像里所有裂纹的定位结果。最终的结果如图8所示;
所述步骤D6中,特征描述算子的面积设定为[500, 15000]的像素个数,长度设置为[50, 2000]的像素个数,宽度设置为[500, 1000]的像素个数,方向设置为[2, 178];图9为图5进行人工分割的标准Ground Truth 结果。表2为图8中18条钢梁裂纹的定位结果,该结果中包含规定裂纹的质心坐标、倾角、高度、宽度和面积信息。可以看出本发明所用方法得到能够得到18条标准裂纹,与人工分割的20条标准裂纹结果相比较准确率达到90%,所以本法明能够产生较好的裂纹检测效果。
表2 钢梁裂纹的定位结果
上面结合图对本发明的具体实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (6)
1.一种钢梁裂纹的定位方法,其特征在于:首先采集钢梁的裂纹图像以及利用红外传感器获取定位时间点;其次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取匹配成功后的两幅裂纹图像最右侧匹配点的x坐标值为止;然后抽取规定时间段内的多幅图像进行快速图像拼接,直至所有钢梁图像拼接完毕;最后利用图像处理算法对拼接后的图像进行裂纹图像处理,从而得到所有拼接图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
2.根据权利要求1所述的钢梁裂纹的定位方法,其特征在于:所述方法的具体步骤如下:
Step1、通过利用工业相机采集钢梁的裂纹图像并记录裂纹图像的采集时间点,同时采集红外传感器接触钢梁上挡板的时间作为定位时间点;
Step2、依次选取相邻定位时间点内相邻的两幅裂纹图像进行SIFT特征点匹配,直至获取两幅裂纹图像最右侧匹配点的x坐标值x 2和x 3为止;其中,相邻定位时间点内相邻的两幅裂纹图像表示该相邻的两幅裂纹图像的采集时间点属于相邻定位时间点内;采集到的每幅裂纹图像尺寸x 1×y 1均相同;
Step3、依次选取相邻定位时间点内相应的裂纹图像进行快速图像拼接,直至相邻定位时间点内采集的所有裂纹图像拼接完毕;其中,相邻定位时间点内相应的裂纹图像表示该裂纹图像的采集时间点属于相邻定位时间点内;定位时间点的个数为m,钢梁的数量为n,则拼接完毕后的图像共n×(m-1)幅;
Step4、依次选取n×(m-1)幅拼接完毕的图像进行裂纹图像处理,直至所有幅拼接完毕的图像处理完毕,从而得到拼接完毕后的n×(m-1)幅图像中仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
3.根据权利要求2所述的钢梁裂纹的定位方法,其特征在于:所述步骤Step2中,获取两幅裂纹图像最右侧匹配点的x坐标值的步骤如下:
Step2.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step2.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step2.3、利用SIFT特征点匹配方法对Image1和Image2进行两幅图像的特征点检测;
Step2.4、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step2.5;否则,返回步骤Step2.2;
Step2.5、判断特征点匹配对数是否大于1对:
如果大于1对,则执行步骤Step2.6;否则,返回步骤Step2.2;
Step2.6、分别获取Image1和Image2最右侧匹配点的x坐标值x 2和x 3;
Step2.7、删除临时文件夹Temp-1。
4.根据权利要求2所述的钢梁裂纹的定位方法,其特征在于:所述步骤Step3中,快速图像拼接的步骤如下:
Step3.1、将相邻的定位时间点内相应的裂纹图像保存在临时文件夹Temp-1中;
Step3.2、从Temp-1中抽取最小采集时间点的裂纹图像作为基准图像Image1,并将该图像从Temp-1中删除;
Step3.3、从抽取后的Temp-1中再次抽取最小采集时间点的裂纹图像作为待拼接图像Image2,并将该图像从Temp-1中删除;
Step3.4、截取Image1自右侧起(x 1/3)×y 1面积的图像作为拼接对象Image3,截取Image2自右侧起(x 1/2)×y 1面积的图像作为拼接对象Image4;
Step3.5、利用SIFT特征点匹配方法对拼接对象Image3和Image4进行两幅图像的特征点检测;
Step3.6、利用欧式距离实现特征点间的相似性度量和特征点的匹配,并判断特征点是否匹配成功:如果匹配成功,则执行步骤Step3.7;否则,执行步骤Step3.11;
Step3.7、判断特征点匹配数量是否大于1对:
如果大于1对,则执行步骤Step3.8;否则,执行Step3.11;
Step3.8、选取Image3最左侧匹配点的坐标值作为定位基准,截取该坐标左侧的图像作为拼接对象Image5;选取Image4最左侧匹配点的坐标值作为定位基准,截取该坐标右侧的图像作为拼接对象Image6;删除Image1自右侧起(x 1/3)×y 1面积的图像后将剩余的图像作为拼接对象Image7;
Step3.9、将Image7、Image5和Image6依次放入模板中得到拼接结果Stitching-Image-i;其中模板的宽度尺寸为Image7、Image5和Image6三者的宽度之和;其中,i=(1,2,…,n×(m-1));
Step3.10、判断Stitching-Image-i的图像宽度尺寸是否大于Image1的图像宽度尺寸:如果大于,则执行Step3.13;否则,执行Step3.14;
Step3.11、删除Image1自右侧起面积为A或A´的图像后将剩余的图像作为拼接对象Image8,删除Image2自左侧起面积为B的图像后将剩余的图像作为拼接对象Image9;其中,Image1的尺寸为x 4×y 1,Image2的尺寸为x 1×y 1;
Step3.12、将Image8、Image9依次放入模板中得到拼接结果,并将该结果图像命名为Stitching-Image-i;其中,i=(1,2,…,n×(m-1));
Step3.13、将拼接结果Stitching-Image-i保存在文件夹Stitching-Images中;
Step3.14、从Stitching-Images中抽取拼接结果Stitching-Image-i替换Image1,从Temp-1中抽取最小采集时间点的裂纹图像作为待拼接图像Image2,,并将该图像从Temp-1中删除;循环执行Step3.4至Step3.13,直至Temp-1中所有的图像抽取完毕;
Step3.15、删除临时文件夹Temp-1。
5.根据权利要求3所述的钢梁裂纹的定位方法,其特征在于:所述步骤Step3.11中,获取Image1右侧面积为A或A´的图像和Image2左侧面积为B的图像步骤如下:
Step3.11.1、判断Image1的尺寸中x方向的尺寸值x 4是否与x 1相等:
如果相等,则以坐标点(x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A=(x 4-x 2)×y 1的图像;如果不相等,则以坐标点(x 4-x 1+x 2,0)和坐标点(x 4,y 1)为对角坐标截取面积为A´=(x 1-x 2)×y 1的图像;
Step3.11.2、在Image2中,以坐标点(0,0)和坐标点(x 3,y 1)为对角坐标截取面积为B= x 3×y 1的图像。
6.根据权利要求2所述的钢梁裂纹的定位方法,其特征在于:所述步骤Step4中,裂纹图像处理的步骤如下:
Step4.1利用直方图均衡方法对拼接后的图像Stitching-Image-i进行亮度调节;
Step4.2、利用Canny算子对调节亮度后的图像进行边缘检测,得到边缘信息图像;
Step4.3、利用形态学开运算提取边缘信息图像中的光影信息图像;
Step4.4、利用基于图像的减法运算将边缘信息图像与光影信息图像相减,从而消除光影;
Step4.5、利用形态学膨胀对去光影后的图像进行轮廓加粗,得到轮廓加粗后的图像;
Step4.6、以轮廓加粗后的图像左上角为坐标原点利用特征描述算子进行非裂纹信息的筛选,得到仅含有裂纹信息的图像和图像里所有裂纹的定位结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886879.3A CN106530274B (zh) | 2016-10-11 | 2016-10-11 | 一种钢梁裂纹的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610886879.3A CN106530274B (zh) | 2016-10-11 | 2016-10-11 | 一种钢梁裂纹的定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106530274A true CN106530274A (zh) | 2017-03-22 |
CN106530274B CN106530274B (zh) | 2019-04-12 |
Family
ID=58331251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610886879.3A Active CN106530274B (zh) | 2016-10-11 | 2016-10-11 | 一种钢梁裂纹的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530274B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837782A (zh) * | 2019-10-16 | 2020-02-25 | 吉林大学 | 一种根据材料拉伸过程监控视频识别断裂信息的方法 |
CN114454137A (zh) * | 2022-04-12 | 2022-05-10 | 西南交通大学 | 基于双目视觉的钢结构损伤智能巡检方法、系统及机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09152322A (ja) * | 1995-11-30 | 1997-06-10 | Nippon Steel Corp | 表面品質検査方法及び表面品質検査装置 |
CN102183525A (zh) * | 2011-01-20 | 2011-09-14 | 单宝华 | 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法 |
CN103902953A (zh) * | 2012-12-25 | 2014-07-02 | 深圳先进技术研究院 | 一种屏幕检测系统及方法 |
US9365217B2 (en) * | 2013-06-03 | 2016-06-14 | Booz Allen Hamilton Inc. | Mobile pothole detection system and method |
CN205333530U (zh) * | 2015-12-11 | 2016-06-22 | 昆明理工大学 | 一种钢梁结构裂纹检测模拟实验装置 |
CN105787486A (zh) * | 2015-12-11 | 2016-07-20 | 昆明理工大学 | 一种基于图像处理的钢梁裂纹检测方法 |
-
2016
- 2016-10-11 CN CN201610886879.3A patent/CN106530274B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09152322A (ja) * | 1995-11-30 | 1997-06-10 | Nippon Steel Corp | 表面品質検査方法及び表面品質検査装置 |
CN102183525A (zh) * | 2011-01-20 | 2011-09-14 | 单宝华 | 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法 |
CN103902953A (zh) * | 2012-12-25 | 2014-07-02 | 深圳先进技术研究院 | 一种屏幕检测系统及方法 |
US9365217B2 (en) * | 2013-06-03 | 2016-06-14 | Booz Allen Hamilton Inc. | Mobile pothole detection system and method |
CN205333530U (zh) * | 2015-12-11 | 2016-06-22 | 昆明理工大学 | 一种钢梁结构裂纹检测模拟实验装置 |
CN105787486A (zh) * | 2015-12-11 | 2016-07-20 | 昆明理工大学 | 一种基于图像处理的钢梁裂纹检测方法 |
Non-Patent Citations (1)
Title |
---|
SEN WANG ET AL: "Design and Simulation of the Image Detection System based on Crack", 《PROCEEDING OF THE 2015 IEEE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110837782A (zh) * | 2019-10-16 | 2020-02-25 | 吉林大学 | 一种根据材料拉伸过程监控视频识别断裂信息的方法 |
CN114454137A (zh) * | 2022-04-12 | 2022-05-10 | 西南交通大学 | 基于双目视觉的钢结构损伤智能巡检方法、系统及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN106530274B (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN105787486B (zh) | 一种基于图像处理的钢梁裂纹检测方法 | |
CN109886298B (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
Wang et al. | Research on crack detection algorithm of the concrete bridge based on image processing | |
CN104504388B (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN105158258B (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
CN112434695B (zh) | 一种基于深度学习的上拉杆故障检测方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN111754466B (zh) | 传输机皮带损伤状况的智能检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN115018827B (zh) | 一种建材焊缝质量自动检测方法 | |
CN106501272A (zh) | 机器视觉焊锡定位检测系统 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN106651837A (zh) | 白玻璃板表面崩边缺陷检测方法 | |
CN106530274B (zh) | 一种钢梁裂纹的定位方法 | |
CN110766683B (zh) | 一种珍珠光洁度等级检测方法及系统 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
CN103177426B (zh) | 一种基于形态学的强干扰激光边缘图像修复方法 | |
TW419634B (en) | Automatic detection system and method using bar code positioning | |
CN104913726A (zh) | 基于led的斜坡模型面位移监测系统及检测方法 | |
CN117115171B (zh) | 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |