CN108335297A - 基于图像识别的燃气管道回填土工程异物识别报警方法 - Google Patents

Abstract

本发明公开了一种基于图像识别的燃气管道回填土工程异物识别报警方法，包括回填土施工现场监控系统和图像处理工控机，图像处理工控机将回填土施工现场监控系统采集终端输出的回填土图像信号截取成图片，然后对截取的图片进行实时处理和异物识别，当识别出有异物后，将有异物的图片上传到主控服务器；同时，回填土施工现场监控系统采集终端将回填土图像信号上传到远程后台显示系统，进行施工情况实时监控；主控服务器接收到图像处理工控机上传的异物图片后，对异物信息和监控信息进行管理，并发出异物警报，向施工场地相关人员发送异物清理通知，并传送异物位置信息。本发明借助自动化的图像识别技术，大大降低了传统人眼识别回填土异物的遗漏率。

Description

基于图像识别的燃气管道回填土工程异物识别报警方法

技术领域

本发明涉及回填土施工作业质量检测系统，尤其是涉及基于图像识别的燃气管道回填土工程异物识别报警方法。

背景技术

在工程施工中，回填土特指完成基础等地面以下工程之后，再返还填实的土。在建筑施工中，回填土工程使用面广，材料易于获取，施工工艺相对简便，基础工程完成后或者为了达到垫层以下的设计标高，都必须进行土方回填。例如基坑、基槽、散水、肥槽、管沟回填、路面垫层、室内地坪以及房心回填等，都需要用到回填土。从使用材料来看，回填土包括素土、灰土、砂和级配砂石等，使用时有相应的粒径、含水率、干密度、压实系数等要求。施工中要加强检测，确保符合技术要求。其中，混在回填土中的石块、树根、草皮及其腐植物等异物既影响压实效果，又会在土中干缩、腐烂形成孔洞，这些材料均不可用作填料，如果处理不当会造成日后沟槽回填土沉陷，甚至会引起严重的工程事故。尤其是燃气管道回填土工程，其管道施工具备一定安全隐患及高危特性，这主要由于其作业管道内的化石燃料媒介是属于高危易爆品，有着很大程度的安全隐患问题。因此，燃气管路施工本身质量问题对作业施工进度控制尤为重要，即燃气管道施工的质量问题直接影响着相关作业的进度指标；其施工过程中管道沟槽回填土回填环节至关重要，对回填土中的异物有着严格的标准要求，回填土的质量直接影响燃气工程的施工质量。

发明内容

本发明目的在于提供一种基于图像识别的燃气管道回填土工程异物识别报警方法，及时有效监督控制燃气工程施工质量。

为实现上述目的，本发明采取下述技术方案：

本发明所述基于图像识别的燃气管道回填土工程异物识别报警方法，包括回填土施工现场监控系统和图像处理工控机，所述图像处理工控机将所述回填土施工现场监控系统采集终端输出的回填土图像信号截取成图片，然后对截取的所述图片进行实时处理和异物识别，当识别出有异物后，将有异物的图片上传到主控服务器；同时，回填土施工现场监控系统采集终端将回填土图像信号上传到远程后台显示系统，进行施工情况实时监控；所述主控服务器接收到图像处理工控机上传的异物图片后，对异物信息和监控信息进行管理，并发出异物警报，向施工场地相关人员发送异物清理通知，并传送异物位置信息。

所述图像处理工控机对截取的所述图片进行实时处理和异物识别步骤为：

第一步、图像直方图与规定化处理

所述直方图是指灰度直方图，灰度直方图概括截取的所述图片图像中各灰度级的含量，提供原图片的灰度值分布情况，给出所述图像的灰度值的整体描述；然后对图像作一个直方图的规定化，即:把图像的灰度最大值与最小值求出来，然后用最大值减去最小值，得到图像灰度的跨度，最后把整个图像的灰度特征映射到该灰度跨度范围内；

第二步、图像光照不匀的校正

首先估算出截取的所述图片的图像背景照度，方法是把所述图像分割成长×宽=32×32像素点的图像块，取每一块中的所述图像块最小值作为图像背景照度；

第三步、图像去除噪声的处理

利用MATLAB工具箱wiener2函数实现所述图像噪声的自适应滤除；根据图像的局部方差来调整滤波器的输出；

第四步、图像中异物的识别判定

对于256级灰度图，首先随机确定一个数值T,0≤T≤255，求出大于和小于T的像素平均值u1,u2，并求出阈值Tnext=(u1+u2)/2，确定判断停止的误差常数e=0.001，然后判断是否|Tnext-T|<e,若不是，将Tnext的值赋给T，并重复上述过程，若是跳出循环，最终得到的Tnext值即为最佳判断阈值；利用求出的所述最佳阈值，对提取的回填土图像特征进行异物识别判定，当特征值超过最佳阈值时向回填土施工人员发出警报，并推送给后台监控人员客户端。

本发明优点在于通过回填土施工现场监控系统采集到的图像，经图像处理工控机异物识别处理后，实时检测管道工程施工作业中回填土回填环节的质量，从而及时发现问题进行报警处理。本发明借助自动化的图像识别技术，大大降低了传统人眼识别回填土异物的遗漏率。此外，本发明还可利用BDS定位系统定位当前所监理施工场地的正确性，有效监督逃工、旷工等情况，辅助监测模块可以实时监测风力、风向、温湿度、降雨量等其他工地信息，帮助施工企业根据施工环境及时调整施工策略。

附图说明

图1是本发明方法的流程框图。

具体实施方式

下面结合附图对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述实施例。

如图1所示，本发明所述的基于图像识别的燃气管道回填土工程异物识别报警方法，包括回填土施工现场监控系统和图像处理工控机，所述图像处理工控机将所述回填土施工现场监控系统采集终端输出的回填土图像信号截取成图片，然后对截取的所述图片进行实时处理和异物识别，当识别出有异物后，将有异物的图片上传到主控服务器；同时，回填土施工现场监控系统采集终端将回填土图像信号上传到远程后台显示系统，进行施工情况实时监控；所述主控服务器接收到所述图像处理工控机上传的异物图片后，对异物信息和监控信息进行管理，并发出异物警报，向施工场地相关人员发送异物清理通知，并传送异物位置信息。

所述图像处理工控机对截取的所述图片进行实时处理和异物识别步骤为：

第一步、图像直方图与规定化处理

所述直方图是指灰度直方图，它是图像的重要统计特征，统计图像中具有某种灰度的像素数目的函数；灰度直方图概括了截取的所述图片图像中各灰度级的含量，提供原图片的灰度值分布情况，给出所述图像的灰度值的整体描述；然后对图像作一个直方图的规定化，即:把图像的灰度最大值与最小值求出来，用灰度最大值减去灰度最小值，得到图像灰度的跨度，最后把整个图像的灰度特征映射到该灰度跨度范围内；经过图像直方图规定化后，整个图像的灰度对比度增大，图像变得清晰并使得大部分细节突出，更有利于图像后续的处理与分析；

第二步、图像光照不匀的校正

图像是由光反射形成的，如果光源照射到物体上的照度不均，那么照度较强的部分将较亮，照度较弱的部分就较暗，并且由此引起较暗部分的图像细节不易看清；

对光照不匀图像的校正采用同态滤波的方法消除其影响，首先估算出截取的所述图片的图像背景照度，方法是把所述图像分割成长×宽=32×32（请给出单位）的图像块，取每一块中的所述图像块最小值作为图像背景照度；本发明利用MATLAB工具中blkproc函数来加快运算速度；

第三步、图像去除噪声的处理

利用MATLAB工具箱wiener2函数实现所述图像噪声的自适应滤除；Wiener2是一种典型的除去噪声的自适应线性滤波函数，根据图像的局部方差来调整滤波器的输出；通常比线形滤波的效果好，更具有选择性，可以更好地保存图像的边缘和高频细节信息，对白色噪声(white noise)的图像滤波效果较好；

第四步、图像中异物的识别判定

对于256级灰度图，首先随机确定一个数值T,0≤T≤255，求出大于和小于T的像素平均值u1,u2，并求出阈值Tnext=(u1+u2)/2，确定判断停止的误差常数e=0.001，然后判断是否|Tnext-T|<e,若不是，将Tnext的值赋给T，并重复上述过程，若是跳出循环，最终得到的Tnext值即为最佳判断阈值；利用求出的所述最佳阈值，对提取的回填土图像特征进行异物识别判定，当特征值超过最佳阈值时向回填土施工人员发出警报，并推送给后台监控人员客户端。

Claims (2)

1.一种基于图像识别的燃气管道回填土工程异物识别报警方法，包括回填土施工现场监控系统和图像处理工控机，其特征在于：所述图像处理工控机将所述回填土施工现场监控系统采集终端输出的回填土图像信号截取成图片，然后对截取的所述图片进行实时处理和异物识别，当识别出有异物后，将有异物的图片上传到主控服务器；同时，回填土施工现场监控系统采集终端将回填土图像信号上传到远程后台显示系统，进行施工情况实时监控；所述主控服务器接收到图像处理工控机上传的异物图片后，对异物信息和监控信息进行管理，并发出异物警报，向施工场地相关人员发送异物清理通知，并传送异物位置信息。

2.根据权利要求1所述基于图像识别的燃气管道回填土工程异物识别报警方法，其特征在于：所述图像处理工控机对截取的所述图片进行实时处理和异物识别步骤为：

第一步、图像直方图与规定化处理

所述直方图是指灰度直方图，灰度直方图概括截取的所述图片图像中各灰度级的含量，提供原图片的灰度值分布情况，给出所述图像的灰度值的整体描述；然后对图像作一个直方图的规定化，即:把图像的灰度最大值与最小值求出来，然后用最大值减去最小值，得到图像灰度的跨度，最后把整个图像的灰度特征映射到该灰度跨度范围内；

第二步、图像光照不匀的校正

首先估算出截取的所述图片的图像背景照度，方法是把所述图像分割成长×宽=32×32像素点的图像块，取每一块中的所述图像块最小值作为图像背景照度；

第三步、图像去除噪声的处理

利用MATLAB工具箱wiener2函数实现所述图像噪声的自适应滤除；根据图像的局部方差来调整滤波器的输出；

第四步、图像中异物的识别判定

对于256级灰度图，首先随机确定一个数值T,0≤T≤255，求出大于和小于T的像素平均值u1,u2，并求出阈值Tnext=(u1+u2)/2，确定判断停止的误差常数e=0.001，然后判断是否|Tnext-T|<e,若不是，将Tnext的值赋给T，并重复上述过程，若是跳出循环，最终得到的Tnext值即为最佳判断阈值；利用求出的所述最佳阈值，对提取的回填土图像特征进行异物识别判定，当特征值超过最佳阈值时向回填土施工人员发出警报，并推送给后台监控人员客户端。