CN107436304A - 一种混凝土构件表面检测装置 - Google Patents

一种混凝土构件表面检测装置 Download PDF

Info

Publication number
CN107436304A
CN107436304A CN201710855598.6A CN201710855598A CN107436304A CN 107436304 A CN107436304 A CN 107436304A CN 201710855598 A CN201710855598 A CN 201710855598A CN 107436304 A CN107436304 A CN 107436304A
Authority
CN
China
Prior art keywords
image
concrete member
crack
mrow
brightness
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.)
Pending
Application number
CN201710855598.6A
Other languages
English (en)
Inventor
程丹秋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710855598.6A priority Critical patent/CN107436304A/zh
Publication of CN107436304A publication Critical patent/CN107436304A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种混凝土构件表面检测装置，其特征在于，包括图像采集装置，中央处理装置，承载装置和移动装置；所述图像采集装置，用于采集混凝土构件的图像，将采集到的混凝土构件图像发送至中央处理模块；所述中央处理装置，与所述图像采集装置无线连接，用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝；所述承载装置，用于承载所述图像采集装置，将所述图像采集装置固定在承载装置上；所述移动装置，用于与所述承载装置连接，能够沿所述混凝土构件的至少一个检测待检测面移动。本发明实现了混凝土构件表面的自动化检测，实用性强，准确性高。

Description

一种混凝土构件表面检测装置
技术领域
本发明涉及混凝土构件质量检验设备领域，特别涉及一种混凝土构件表面检测装置。
背景技术
现在混凝土材料构建在各种建筑上都有着重要的作用，但混凝土材料由于温度应力、塑性干裂、酸雨侵蚀等因素的影响，会产生不同种类不同形式的表观裂缝，这些表观裂缝的产生极大的影响了混凝土材料的使用性能和外观，同时，由于混凝土构件的使用周期较长，表观裂缝出现的时间点、位置和大小具有很明显的随机性，因此，混凝土构件表观裂缝的监测有积极的现实意义。
现有技术中，存在一些装置对混凝土构件表面裂缝进行检测，但这些装置只能完成对混凝土构件表面的图像拍摄，具体的检测仍然需要人工观察来进行，而通过人工观察的检测方法存在着主观判断标准不一致的问题，加上存在着漏判错判等现象，直接影响到对混凝土构件表面裂缝检测数据的准确性和可靠性。
发明内容
针对上述问题，本发明旨在提供一种道路裂缝检测装置。
本发明的目的采用以下技术方案来实现：
一种混凝土构件表面检测装置，包括图像采集装置，中央处理装置，承载装置和移动装置；
所述图像采集装置，用于采集混凝土构件的图像，将采集到的混凝土构件图像发送至中央处理模块；
所述中央处理装置，与所述图像采集装置无线连接，用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝；
所述承载装置，用于承载所述图像采集装置，将所述图像采集装置固定在承载装置上；
所述移动装置，用于与所述承载装置连接，能够沿所述混凝土构件的至少一个检测待检测面移动。
其中，所述移动装置为爬壁机器人，所述爬壁机器人能够根据设定的轨迹在所述混凝土构件的至少一个检测待检测面移动，所述承载装置安装固定在爬壁机器人上。
其中，所述图像采集装置包括高清摄像头和LED补光灯，所述LED补光灯用于为高清摄像头提供补光光源。
其中，所述中央处理装置包括图像处理模块，所述图像处理模块用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝，包括：除噪声单元、亮度补偿单元、裂缝检测单元和裂缝识别单元；
所述除噪声单元，用于对采集到的混凝土构件图像进行除噪声处理，获取除噪声后的混凝土构件图像；
所述亮度补偿单元，用于对除噪声后的混凝土构件图像进行除阴影处理，获取待检测混凝土构件图像；
所述裂缝检测单元，用于对待检测混凝土构件图像进行裂缝检测，获取待检测混凝土构件图像中的裂缝区域；
所述裂缝识别单元，用于对待检测混凝土构件图像中的裂缝区域进行识别，获取裂缝识别信息。
其中，所述中央处理装置进一步包括控制模块，用于控制所述爬壁机器人移动和设置其移动轨迹。
其中，所述中央处理装置进一步包括存储模块，用于存储采集的混凝土构件图像和所述裂缝识别信息。
本发明的有益效果为：本发明提供的一种混凝土构件表面检测装置利用能够在构件上移动的移动装置承载的图像采集装置获取混凝土构件的表面图像，经过中央处理装置对图像处理对图像进行裂缝监测并且获取其中的裂缝信息，实现了混凝土构件表面的自动化检测，实用性强，准确性高。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
图2为本发明中央处理装置的框架结构图。
附图标记：
图像采集装置1，中央处理装置2，承载装置3、移动装置4、图像处理模块20、控制模块21、存储模块22、除噪声单元202、亮度补偿单元202、裂缝检测单元204和裂缝识别单元206
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1，一种混凝土构件表面检测装置，包括图像采集装置1，中央处理装置2，承载装置3和移动装置4；
所述图像采集装置1，用于采集混凝土构件的图像，将采集到的混凝土构件图像发送至中央处理模块2；
所述中央处理装置2，与所述图像采集装置1无线连接，用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝；
所述承载装置3，用于承载所述图像采集装置1，将所述图像采集装置1固定在承载装置上；
所述移动装置4，用于与所述承载装置3连接，能够沿所述混凝土构件的至少一个检测待检测面移动。
其中，所述移动装置4为爬壁机器人，所述爬壁机器人能够根据设定的轨迹在所述混凝土构件的至少一个检测待检测面移动，所述承载装置3安装固定在爬壁机器人上。
其中，所述图像采集装置1包括高清摄像头和LED补光灯，所述LED补光灯用于为高清摄像头提供补光光源。
其中，参见图2，所述中央处理装置2包括图像处理模块20，所述图像处理模块20用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝，包括：除噪声单元200、亮度补偿单元202、裂缝检测单元204和裂缝识别单元206；
所述除噪声单元200，用于对采集到的混凝土构件图像进行除噪声处理，获取除噪声后的混凝土构件图像；
所述亮度补偿单元202，用于对除噪声后的混凝土构件图像进行除阴影处理，获取待检测混凝土构件图像；
所述裂缝检测单元204，用于对待检测混凝土构件图像进行裂缝检测，获取待检测混凝土构件图像中的裂缝区域；
所述裂缝识别单元206，用于对待检测混凝土构件图像中的裂缝区域进行识别，获取裂缝识别信息。
其中，所述中央处理装置进一步包括控制模块21，用于控制所述爬壁机器人移动和设置其移动轨迹。
其中，所述中央处理装置进一步包括存储模块22，用于存储采集的混凝土构件图像和所述裂缝识别信息。
本发明上述实施例，利用能够在构件上移动的移动装置承载的图像采集装置获取混凝土构件的表面图像，经过中央处理装置对图像处理对图像进行裂缝监测并且获取其中的裂缝信息，实现了混凝土构件表面的自动化检测，实用性强，准确性高。
其中，所述亮度补偿单元202，用于对除噪声后的混凝土构件图像进行除阴影处理，获取待检测混凝土构件图像，包括：
对除噪声后的混凝土构件图像采用灰度形态闭合运算，去掉图像中的路面裂缝，并采用二维高斯平滑方法进行平滑处理，获取构件平滑图像；
根据亮度的不同将所述构件平滑图像划分成不同亮度等级区域{Sδ|δ＝1,2,…,r,…,R}，使区域Sδ包含亮度值D∈(ωδ-1,ωδ]的所有像素，其中ωδ表示设定的亮度阈值，R表示亮度等级的数量，有ω0≤ω1≤ω2≤…≤ωR-1≤ωR，ω0＝0，ωR＝255，其中不同亮度阈值ωδ的设置应使得每个亮度等级区域Sδ所包含的像素点的数量相同；
选取r个亮度等级较低的区域P＝{Pδ＝Sδ|δ＝1,2,…,r}作为阴影区域，其余R-r个亮度等级较高的区域Q＝{Qδ＝Sδ|δ＝r+1,r+2,…,R}作为非阴影区域，并将所述阴影区域和非阴影区域对应到除噪声后的混凝土构件图像中；
对除噪声后的混凝土构件图像进行亮度补偿，采用的自定义亮度补偿函数为：
其中，
式中，D′(n,m)表示亮度补偿后像素点(n,m)的亮度值，D(n,m)表示原始图像中像素点(n,m)的亮度值，α1表示亮度补偿因子，τP和τQ分别表示阴影区域和非阴影区域的像素点亮度值的标准方差，和分别表示阴影区域和非阴影区域的平均亮度值。
本优选实施例，采用上述的方法对除噪声后的混凝土构件图像进行除阴影处理，通过对除噪声后的混凝土构件图像按照亮度进行不同区域的划分，能够准确地获取除噪声后的混凝土构件图像中阴影存在的部分，采用自定义亮度补偿函数能够有效、准确地对除噪声后的混凝土构件图像中的阴影部分进行亮度补偿，最终将所述阴影部分去除，适应性强。
其中，所述裂缝检测单元204，用于对待检测混凝土构件图像进行裂缝检测，获取待检测混凝土构件图像中的裂缝区域，包括：
分别对待检测混凝土构件图像Rdc进行轮廓结构元素腐蚀和膨胀运算，获取腐蚀后的图像RΘ和膨胀后的图像RΟ，其中表示腐蚀运算符号，表示膨胀运算符号，ξ表示设定的结构元素的轮廓；
获取待检测混凝土构件图像Rdc中每个像素点的对于背景亮度的突变值，其中采用的突变值获取函数为：
式中，表示像素点(n,m)对于背景亮度的突变值，Rdc(n,m)表示待检测混凝土构件图像像素点(n,m)的灰度值，RΘ(n,m)表示腐蚀后的图像像素点(n,m)的灰度值，RΟ(n,m)表示膨胀后的图像像素点(n,m)的灰度值；
获取待检测混凝土构件图像Rdc中每个像素点的可分辨亮度差阈值，其中采用自定义的可分辨亮度差阈值函数为：
式中，表示可分辨亮度差阈值，D(n,m)表示像素点(n,m)的背景亮度值，τ1、τ2、τ3分别为设定的可分辨亮度差阈值模型的参数，αx和αy分别表示低暗区域和高亮区域的亮度阈值；
依次检测所有像素点，若则将该像素点(n,m)标记为边缘像素点，并根据边缘像素点获取裂缝区域。
本优选实施例，采用上述的方法对待检测混凝土构件图像进行裂缝检测，首先对待检测混凝土构件图像进行腐蚀和膨胀处理，获取待检测混凝土构件图像中的像素点的亮度突变值，然后将其和自定义可分辨亮度差阈值进行比较，准确地检测出图像中裂缝部分的边缘像素点，从而准确地获取待检测混凝土构件图像中的裂缝区域。
其中，所述裂缝识别单元206，用于对待检测混凝土构件图像中的裂缝区域进行识别，获取裂缝识别信息，包括：
对预处理后的路面图像进行二值化处理，其中裂缝区域用白色像素表示，即V(n,m)＝1；其余背景区域用黑色像素表示，即V(n,m)＝0；
统计预处理后的路面图像中裂缝区域像素点的数目其中M×N表示预处理后的路面图像的尺寸大小，如果Yq＝0，则表示路面图像中不存在裂缝目标；否则，则认为路面图像存在裂缝目标；
对裂缝目标类型进行识别，具体为：
(1)根据裂缝区域获取裂缝目标的几何质心坐标(ncen,mcen)，以(ncen,mcen)为中心，取边长为2ε+1的正方形区域，计正方形区域内的裂缝区域像素点数目为Yz；
(2)如果则计算裂缝分布因子否则，取ε＝ε+10，并跳转至步骤(1)；
对裂缝分布因子γb进行判断，若γb∈(0,ωk]，则可以认为裂缝目标为条状裂缝；若γb∈(ωk,ωw]，则可以认为裂缝目标为块状裂缝；若γb>ωw，则可以认为裂缝目标为网状裂缝；其中ωk表示设定的块状裂缝阈值，ωw表示设定的网状裂缝阈值，ωk<ωw。
本优选实施例，采用上述的方法对待检测混凝土构件图像中的裂缝区域进行识别，通过计算裂缝区域的裂缝分布因子作为裂缝识别的特征值，并且根据获取的裂缝分布因子准确、快速地判断出裂缝所属的种类，适应性强。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (9)

1.一种混凝土构件表面检测装置，其特征在于，包括图像采集装置，中央处理装置，承载装置和移动装置；
所述图像采集装置，用于采集混凝土构件的图像，将采集到的混凝土构件图像发送至中央处理模块；
所述中央处理装置，与所述图像采集装置无线连接，用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝；
所述承载装置，用于承载所述图像采集装置，将所述图像采集装置固定在承载装置上；
所述移动装置，用于与所述承载装置连接，能够沿所述混凝土构件的至少一个检测待检测面移动。
2.根据权利要求1所述的一种混凝土构件表面检测装置，其特征在于，所述移动装置为爬壁机器人，所述爬壁机器人能够根据设定的轨迹在所述混凝土构件的至少一个检测待检测面移动，所述承载装置安装固定在爬壁机器人上。
3.根据权利要求2所述的一种混凝土构件表面检测装置，其特征在于，所述图像采集装置包括高清摄像头和LED补光灯，所述LED补光灯用于为高清摄像头提供补光光源。
4.根据权利要求1所述的一种混凝土构件表面检测装置，其特征在于，所述中央处理装置包括图像处理模块，所述图像处理模块用于对采集到的混凝土构件图像进行处理，识别所述混凝土构件图像中的裂缝，包括：除噪声单元、亮度补偿单元、裂缝检测单元和裂缝识别单元；
所述除噪声单元，用于对采集到的混凝土构件图像进行除噪声处理，获取除噪声后的混凝土构件图像；
所述亮度补偿单元，用于对除噪声后的混凝土构件图像进行除阴影处理，获取待检测混凝土构件图像；
所述裂缝检测单元，用于对待检测混凝土构件图像进行裂缝检测，获取待检测混凝土构件图像中的裂缝区域；
所述裂缝识别单元，用于对待检测混凝土构件图像中的裂缝区域进行识别，获取裂缝识别信息。
5.根据权利要求4所述的一种混凝土构件表面检测装置，其特征在于，所述中央处理装置进一步包括控制模块，用于控制所述爬壁机器人移动和设置其移动轨迹。
6.根据权利要求5所述的一种混凝土构件表面检测装置，其特征在于，所述中央处理装置进一步包括存储模块，用于存储采集的混凝土构件图像和所述裂缝识别信息。
7.根据权利要求6所述的一种混凝土构件表面检测装置，其特征在于，所述亮度补偿单元，用于对除噪声后的混凝土构件图像进行除阴影处理，获取待检测混凝土构件图像，包括：
对除噪声后的混凝土构件图像采用灰度形态闭合运算，去掉图像中的路面裂缝，并采用二维高斯平滑方法进行平滑处理，获取构件平滑图像；
根据亮度的不同将所述构件平滑图像划分成不同亮度等级区域{Sδ|δ＝1,2,…,r,…,R}，使区域Sδ包含亮度值D∈(ωδ-1,ωδ]的所有像素，其中ωδ表示设定的亮度阈值，R表示亮度等级的数量，有ω0≤ω1≤ω2≤…≤ωR-1≤ωR，ω0＝0，ωR＝255，其中不同亮度阈值ωδ的设置应使得每个亮度等级区域Sδ所包含的像素点的数量相同；
选取r个亮度等级较低的区域P＝{Pδ＝Sδ|δ＝1,2,…,r}作为阴影区域，其余R-r个亮度等级较高的区域Q＝{Qδ＝Sδ|δ＝r+1,r+2,…,R}作为非阴影区域，并将所述阴影区域和非阴影区域对应到除噪声后的混凝土构件图像中；
对除噪声后的混凝土构件图像进行亮度补偿，采用的自定义亮度补偿函数为：
<mrow> <msup> <mi>D</mi> <mo>&amp;prime;</mo> </msup> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;alpha;</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <mi>D</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <msub> <mover> <mi>D</mi> <mo>^</mo> </mover> <mi>Q</mi> </msub> <mo>-</mo> <msub> <mi>&amp;alpha;</mi> <mn>1</mn> </msub> <msub> <mover> <mi>D</mi> <mo>^</mo> </mover> <mi>P</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>P</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>D</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> </mrow> </mtd> <mtd> <mrow> <mi>D</mi> <mrow> <mo>(</mo> <mi>n</mi> <mo>,</mo> <mi>m</mi> <mo>)</mo> </mrow> <mo>&amp;Element;</mo> <mi>Q</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
其中，
<mrow> <msub> <mi>&amp;alpha;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;tau;</mi> <mi>Q</mi> </msub> <msub> <mi>&amp;tau;</mi> <mi>P</mi> </msub> </mfrac> </mrow>
式中，D′(n,m)表示亮度补偿后像素点(n,m)的亮度值，D(n,m)表示原始图像中像素点(n,m)的亮度值，α1表示亮度补偿因子，τP和τQ分别表示阴影区域和非阴影区域的像素点亮度值的标准方差，和分别表示阴影区域和非阴影区域的平均亮度值。
8.根据权利要求7所述的一种混凝土构件表面检测装置，其特征在于，所述裂缝检测单元，用于对待检测混凝土构件图像进行裂缝检测，获取待检测混凝土构件图像中的裂缝区域，包括：
分别对待检测混凝土构件图像Rdc进行轮廓结构元素腐蚀和膨胀运算，获取腐蚀后的图像RΘ和膨胀后的图像RΟ，其中 表示腐蚀运算符号， 表示膨胀运算符号，ξ表示设定的结构元素的轮廓；
获取待检测混凝土构件图像Rdc中每个像素点的对于背景亮度的突变值，其中采用的突变值获取函数为：
式中，表示像素点(n,m)对于背景亮度的突变值，Rdc(n,m)表示待检测混凝土构件图像像素点(n,m)的灰度值，RΘ(n,m)表示腐蚀后的图像像素点(n,m)的灰度值，RΟ(n,m)表示膨胀后的图像像素点(n,m)的灰度值；
获取待检测混凝土构件图像Rdc中每个像素点的可分辨亮度差阈值，其中采用自定义的可分辨亮度差阈值函数为：
式中，表示可分辨亮度差阈值，D(n,m)表示像素点(n,m)的背景亮度值，τ1、τ2、τ3分别为设定的可分辨亮度差阈值模型的参数，αx和αy分别表示低暗区域和高亮区域的亮度阈值；
依次检测所有像素点，若则将该像素点)n,m)标记为边缘像素点，并根据边缘像素点获取裂缝区域。
9.根据权利要求8所述的一种混凝土构件表面检测装置，其特征在于，所述裂缝识别单元，用于对待检测混凝土构件图像中的裂缝区域进行识别，获取裂缝识别信息，包括：
对预处理后的路面图像进行二值化处理，其中裂缝区域用白色像素表示，即V(n,m)＝1；其余背景区域用黑色像素表示，即V(n,m)＝0；
统计预处理后的路面图像中裂缝区域像素点的数目其中M×N表示预处理后的路面图像的尺寸大小，如果Yq＝0，则表示路面图像中不存在裂缝目标；否则，则认为路面图像存在裂缝目标；
对裂缝目标类型进行识别，具体为：
(1)根据裂缝区域获取裂缝目标的几何质心坐标(ncen,mcen)，以(ncen,mcen)为中心，取边长为2ε+1的正方形区域，计正方形区域内的裂缝区域像素点数目为Yz；
(2)如果则计算裂缝分布因子否则，取ε＝ε+10，并跳转至步骤(1)；
对裂缝分布因子γb进行判断，若γb∈(0,ωk]，则可以认为裂缝目标为条状裂缝；若γb∈(ωk,ωw]，则可以认为裂缝目标为块状裂缝；若γb>ωw，则可以认为裂缝目标为网状裂缝；其中ωk表示设定的块状裂缝阈值，ωw表示设定的网状裂缝阈值，ωk<ωw。
CN201710855598.6A 2017-09-20 2017-09-20 一种混凝土构件表面检测装置 Pending CN107436304A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710855598.6A CN107436304A (zh) 2017-09-20 2017-09-20 一种混凝土构件表面检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710855598.6A CN107436304A (zh) 2017-09-20 2017-09-20 一种混凝土构件表面检测装置

Publications (1)

Publication Number Publication Date
CN107436304A true CN107436304A (zh) 2017-12-05

Family

ID=60461710

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710855598.6A Pending CN107436304A (zh) 2017-09-20 2017-09-20 一种混凝土构件表面检测装置

Country Status (1)

Country Link
CN (1) CN107436304A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108332927A (zh) * 2018-01-10 2018-07-27 深圳市晟达机械设计有限公司 一种桥梁表面裂缝检测装置
CN108535267A (zh) * 2018-04-13 2018-09-14 江苏南通二建集团有限公司 一种大体积混凝土裂缝监控装置
CN109900716A (zh) * 2019-04-12 2019-06-18 中民筑友科技投资有限公司 一种检测pc构件外观质量的系统和方法
WO2020177165A1 (zh) * 2019-03-01 2020-09-10 威海华菱光电股份有限公司 裂缝变化监测装置及裂缝变化监测方法
WO2022007120A1 (zh) * 2020-07-08 2022-01-13 谢超奇 道路修补定量定位数据发送平台及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN103364410A (zh) * 2013-07-23 2013-10-23 三峡大学 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法
CN106226157A (zh) * 2016-08-31 2016-12-14 孙金更 混凝土构件裂缝自动检测装置及方法
CN106645171A (zh) * 2016-12-22 2017-05-10 江苏工程职业技术学院 一种爬壁机器人混凝土裂缝检测方法
CN106770325A (zh) * 2016-12-19 2017-05-31 湖北省建筑工程质量监督检验测试中心 一种混凝土构件裂缝自动检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102680480A (zh) * 2012-05-03 2012-09-19 中南大学 一种混凝土结构裂缝智能化检测方法
CN103364410A (zh) * 2013-07-23 2013-10-23 三峡大学 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法
CN106226157A (zh) * 2016-08-31 2016-12-14 孙金更 混凝土构件裂缝自动检测装置及方法
CN106770325A (zh) * 2016-12-19 2017-05-31 湖北省建筑工程质量监督检验测试中心 一种混凝土构件裂缝自动检测方法
CN106645171A (zh) * 2016-12-22 2017-05-10 江苏工程职业技术学院 一种爬壁机器人混凝土裂缝检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
樊瑶: "基于图像处理的路面裂缝检测关键技术研究", 《中国博士学位论文全文数据库 工程科技II辑》 *
邹勤: "低信噪比路面裂缝增强与提取方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108332927A (zh) * 2018-01-10 2018-07-27 深圳市晟达机械设计有限公司 一种桥梁表面裂缝检测装置
CN108535267A (zh) * 2018-04-13 2018-09-14 江苏南通二建集团有限公司 一种大体积混凝土裂缝监控装置
WO2020177165A1 (zh) * 2019-03-01 2020-09-10 威海华菱光电股份有限公司 裂缝变化监测装置及裂缝变化监测方法
CN109900716A (zh) * 2019-04-12 2019-06-18 中民筑友科技投资有限公司 一种检测pc构件外观质量的系统和方法
WO2022007120A1 (zh) * 2020-07-08 2022-01-13 谢超奇 道路修补定量定位数据发送平台及方法

Similar Documents

Publication Publication Date Title
CN107436304A (zh) 一种混凝土构件表面检测装置
CN107203990B (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
US10931871B2 (en) Pipeline detection method and apparatus, and storage medium
CN105139386B (zh) 一种快速自动检测电气接插件焊点不合格品的图像处理方法
CN104408460B (zh) 一种车道线检测及跟踪检测方法
CN104361353B (zh) 一种感兴趣区域的定位方法在仪表监控识别中的应用
CN103714538B (zh) 道路边缘检测方法、装置及车辆
CN108229475B (zh) 车辆跟踪方法、系统、计算机设备及可读存储介质
CN108921813B (zh) 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法
CN107798293A (zh) 一种道路裂缝检测装置
US20210209422A1 (en) Learning data collection apparatus, learning data collection method, and program
CN102073846B (zh) 基于航拍图像的交通信息获取方法
CN104700395A (zh) 一种构造物外观裂缝检测方法及系统
CN108332927A (zh) 一种桥梁表面裂缝检测装置
CN104992429A (zh) 一种基于图像局部增强的山体裂缝检测方法
CN105891220A (zh) 一种路面标志线缺陷检测装置及其检测方法
CN113537016A (zh) 一种道路巡查中道路损伤自动检测预警的方法
CN112837308A (zh) 一种建筑裂缝检测方法、装置、设备及存储介质
CN114926415A (zh) 一种基于pcnn与深度学习的钢轨表面检测方法
CN117095316B (zh) 路面巡检方法、装置、设备及可读存储介质
CN116309447B (zh) 一种基于深度学习的水坝斜坡裂缝检测方法
CN117522778A (zh) 一种空心砖瑕疵检测系统
CN112884694B (zh) 一种平面显示面板的缺陷检测方法、装置、设备及介质
CN115984806B (zh) 道路标线破损动态检测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171205

RJ01 Rejection of invention patent application after publication