CN109461133A - 桥梁螺栓脱落检测方法及终端设备 - Google Patents

Abstract

本发明涉及图像处理技术领域，提供了一种桥梁螺栓脱落检测方法及终端设备。该方法包括：获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位，从所述初始图像中提取螺栓簇区域的边缘特征信息，确定螺栓簇区域位置；将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，并根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位；计算各单个螺栓区域内连通体的外接矩形的长边值，并根据各个螺栓区域内边缘分割点的外接矩形的长边值确定所述螺栓簇区域中脱落螺栓的检测结果。本发明利用投影分析方法和螺栓区域内边缘分割点的外接矩形的统计特征能够提高对螺栓脱落状态的检测精准度。

Description

桥梁螺栓脱落检测方法及终端设备

技术领域

本发明涉及图像处理技术领域，尤其涉及一种桥梁螺栓脱落检测方法及终端设备。

背景技术

现如今交通运输行业正以惊人的速度蓬勃发展，桥梁作为交通运输中的重要交通枢纽也起着至关重要的作用。特别对于大型桥梁而言，投资巨大，对其后期运营维护工作提出了更高的要求。

在后期运营维护工作中，螺栓群组(如图1所示)作为大跨径桥梁的连接与固定环节有着至关重要的作用，因此对其异常状况的检测也是重中之重。但由于大跨径桥梁螺栓群组的分布位置通常较高，通常采用图像拍摄方式获取大量的螺栓群组照片。对于螺栓群组照片的处理，目前仍以人工筛选的方法为主。人工筛选的缺点是效率低、易漏检。

针对此问题，需要一种自动化处理螺栓图像数据的方式判断螺栓是否脱落，有学者提出采用分类器对判别螺栓是否脱落，但训练出的分类器只适应于固定拍摄视角下的螺栓脱落状态检测，而实际场景中由于大跨径钢桥螺栓区域的拍摄视角不固定，导致螺栓区域的形态各异、大小不一，因此采用分类器在图像数据中检测螺栓脱落状态的困难度高，检测准确度低。

发明内容

有鉴于此，本发明实施例提供了桥梁螺栓脱落检测方法及终端设备，以解决目前在桥梁螺栓脱落检测中检测准确度低的问题。

本发明实施例的第一方面提供了桥梁螺栓脱落检测方法，包括：

获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位，从所述初始图像中提取螺栓簇区域的边缘特征信息，确定螺栓簇区域位置；

将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，并根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位；

计算各个螺栓区域内边缘分割点的外接矩形的长边值，并根据各单个螺栓区域内边缘分割点的外接矩形的长边值确定所述螺栓簇区域中脱落螺栓的检测结果。

本发明实施例的第二方面提供了终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中的桥梁螺栓脱落检测方法。

本发明实施例的第三方面提供了计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中的桥梁螺栓脱落检测方法。

本发明实施例与现有技术相比存在的有益效果是：通过将螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，采用投影分析方法准确地定位出螺栓簇区域图像中每个螺栓区域的位置；通过计算各单个螺栓区域内边缘分割点的外接矩形的长边值，能够利用螺栓区域内边缘分割点的外接矩形的统计特征对螺栓区域进行脱落检测，提高对螺栓状态的检测精准度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的桥梁螺栓组群的示意图；

图2是本发明实施例提供的桥梁螺栓脱落检测方法的实现流程图；

图3是本发明实施例提供的桥梁螺栓脱落检测方法中根据各个预设投影角度对应的投影数据对螺栓区域进行定位的实现流程图；

图4是本发明实施例提供的桥梁螺栓脱落检测方法中根据两个最优投影角度对应的投影分布对螺栓区域进行定位的实现流程图；

图5是本发明实施例提供的桥梁螺栓脱落检测方法中确定螺栓簇区域的检测结果的实现流程图；

图6是本发明实施例提供的桥梁螺栓脱落检测方法中定位螺栓簇区域的实现流程图；

图7是本发明实施例提供的一个实施示例的示意图；

图8是本发明实施例提供的一个实施示例的示意图；

图9是本发明实施例提供的一个实施示例的示意图；

图10是本发明实施例提供的桥梁螺栓脱落检测装置的示意图；

图11是本发明实施例提供的终端设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图2为本发明实施例提供的桥梁螺栓脱落检测方法的实现流程图，详述如下：

在S201中，获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位，从所述初始图像中提取螺栓簇区域的边缘特征信息，确定螺栓簇区域位置。

在本实施例中，可以通过相机等图像采集装置采集桥梁梁体的图像作为初始图像。通过图像处理确定出初始图像中的螺栓簇区域的位置。其中螺栓簇区域为桥梁螺栓密集的区域，初始图像中可以包括一个或多个螺栓簇区域。如图7(c)和图7(f)所示，初始图像中包括三个螺栓簇区域。

可以通过图像特征提取的方式提取出螺栓簇区域的边缘特征信息，生成螺栓簇区域图像。例如可以将螺栓簇区域的背景信息及噪声干扰滤除，提取螺栓簇区域中的边缘分割点生成螺栓簇区域图像。

在S202中，将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，并根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位。

在本实施例中，可以通过图像投影处理将螺栓簇区域图像中的边缘分割点分别向各个预设投影角度对应的方向进行投影。例如预设投影角度可以在0°到180°中每隔1°选取一个角度作为预设投影角度，则预设投影角度可以为0°、1°、2°、……、180°。容易想到的，预设投影角度也可以设置为其他的角度，在此不作限定。可以根据投影后各个预设投影角度对应的投影数据确定出各单个螺栓区域的位置。其中单个螺栓区域是指一个螺栓在图像中对应的区域。

可选地，可以通过Radon变换将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影。通过Radon变换对螺栓簇区域图像进行投影处理。

作为本发明的一个实施例，如图3所示，S202中“根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位”可以包括：

在S301中，计算各个预设投影角度对应的投影总长度，将所有预设投影角度中对应投影总长度最小的两个预设投影角度确定为两个最优投影角度；或者，

计算各个预设投影角度对应的投影密度，将所有预设投影角度中对应投影密度最大的两个预设投影角度确定为两个最优投影角度；任一预设投影角度对应的投影密度为所述螺栓簇区域图像中所有边缘分割点的总个数与该预设投影角度下的投影总长度的比值。

在本实施例中，一个预设投影角度对应的投影总长度为按照该预设投影角度的方向对图像进行投影后，投影分布中各个投影长度分量之和。如图8(c)所示，该投影角度的投影总长度为L₁至L₅之和；如图8(d)所示，该投影角度的投影总长度为L₁至L₆之和。投影总长度越小，表明在该方向上共线的边缘分割点越多，可以将对应投影总长度最小的两个预设投影角度作为两个最优投影角度。

一个预设投影角度对应的投影密度为螺栓簇区域图像中所有边缘分割点的总个数与该预设投影角度对应的投影总长度的比值。在向各个方向进行投影时，螺栓簇区域图像中所有边缘分割点的总个数相同，投影密度越小，表明在该方向上共线的边缘分割点越多，可以将对应投影密度最大的两个预设投影角度作为两个最优投影角度。如图8(b)所示为0度至180度之间各投影角度对应的投影密度曲线，可以将两个峰值点对应的投影角度作为两个最优投影角度。

在S302中，根据所述两个最优投影角度对应的投影分布确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

在本实施例中，可以根据螺栓簇区域图像在两个最优投影角度的方向上的投影分布对各单个螺栓区域进行定位。

本实施例通过根据投影总长度或投影密度从所有预设投影角度中挑选出两个最优投影角度，再根据螺栓簇区域图像在两个最优投影角度的方向上的投影分布确定出各单个螺栓区域的位置坐标，能够提高对螺栓簇区域图像中单个螺栓区域的定位精度。

作为本发明的一个实施例，如图4所示，S302可以包括：

在S401中，分别计算所述两个最优投影角度下的各个投影长度分量对应的投影面积分量和投影密度分量；任一投影长度分量对应的投影面积分量为该投影长度分量对应的所有边缘分割点的总个数；任一投影长度分量对应的投影密度分量为该投影长度分量对应的所有边缘分割点的总个数与该投影长度分量的比值。

在本实施例中，一个投影长度分量对应的投影面积分量为该投影长度分量对应的所有边缘分割点的总个数，可以通过统计该投影长度分量对应的所有边缘分割点的总个数来确定该投影长度分量对应的投影面积分量。一个投影长度分量对应的投影密度分量为该投影长度分量对应的所有边缘分割点的总个数与该投影长度分量的比值。

在S402中，判定各个投影长度分量对应的投影面积分量和投影密度分量是否符合预设筛选条件；所述预设筛选条件用于筛选螺栓区域对应的投影分布和背景噪声对应的投影分布。

在本实施例中，背景噪声对应的投影分布的投影面积分量和投影密度分量通常较小，而螺栓区域对应的投影分布投影面积分量和投影密度分量较大，因此通过将投影面积分量、投影密度分量与预设筛选条件对比，判断各个投影长度分量对应的投影分布是背景噪声的投影分布还是螺栓区域的投影分布。

在S403中，根据所述两个最优投影角度下符合所述预设筛选条件的投影长度分量对应的投影分布，确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

在本实施例中，可以对一个最优投影角度的各个投影长度分量对应的投影分布进行判断，将投影面积分量和投影密度分量符合预设筛选条件的投影长度分量对应的投影分布确定为该最优投影角度下螺栓区域的投影分布。按照同样的方法对另一最优投影角度的各个投影长度分量对应的投影分布进行判断，确定出该最优投影角度下螺栓区域的投影分布。可以在螺栓簇区域图像中确定出两个最优投影角度下螺栓区域的投影分布对应的区域，将相互重叠的区域确定为各单个螺栓区域，这些区域的位置坐标即为螺栓簇区域图像中各单个螺栓区域的位置坐标。如图8(e)所示，图中两个角度的白色线条重叠的区域即为螺栓区域。

本实施例通过将各个投影长度分量对应的投影面积分量和投影密度分量与预设筛选条件进行对比，能够消除背景噪声对应的投影分布，避免噪声干扰对单个螺栓区域定位的影响，提高定位精度。

作为本发明的一个实施例，所述预设筛选条件包括：

其中，σ_i为当前进行判定的第i个投影长度分量的投影密度分量，为当前最优投影角度下所有投影长度分量的投影密度分量之和；Area_i为当前进行判定的第i个投影长度分量的投影面积分量，为当前最优投影角度下所有投影长度分量的投影面积分量之和；n为当前最优投影角度下投影长度分量的总个数，a为预设密度比例系数，b为预设面积比例系数，a，b均大于0且小于1。

在本实施例，i表示对第i个投影长度分量对应的投影分布进行判断分析。满足该预设筛选条件的投影分布为螺栓区域对应的投影分布，不满足该预设筛选条件的投影分布为背景噪声对应的投影分布。a和b的值可以根据实际情况进行设定，在此不作限定。例如可以设置a＝0.5，b＝0.5，则预设筛选条件为

在S203中，计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并根据各单个螺栓区域内边缘分割点的外接矩形的长边值确定所述螺栓簇区域中脱落螺栓的检测结果。

在本实施例中，每个螺栓区域中有单个螺栓的边缘分割点。检测结果可以包括螺栓脱落等的螺栓状态。可以根据各个螺栓区域内边缘分割点的外接矩形的长边值对螺栓簇区域进行检测，确定螺栓簇区域对应的各个螺栓的情况，确定螺栓是否脱落。

本发明实施例通过将螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，采用投影分析方法准确地定位出螺栓簇区域图像中每个螺栓区域的位置；通过计算各单个螺栓区域内边缘分割点的外接矩形的长边值，能够利用螺栓区域内边缘分割点的外接矩形的统计特征对螺栓区域进行脱落检测，提高对螺栓状态的检测精准度。

作为本发明的一个实施例，如图5所示，S203可以包括：

在S501中，计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并计算所述螺栓簇区域图像中所有螺栓区域内边缘分割点的外接矩形长边值的平均值。

在本实施例中，可以计算各单个螺栓区域内边缘分割点的外接矩形的长边值，再计算所有螺栓区域内边缘分割点的外接矩形长边值的平均值。

在S502中，将边缘分割点的外接矩形长边值小于所述平均值与预设比例系数之积的螺栓区域的检测结果判定为螺栓脱落。

在本实施例中，检测结果包括螺栓脱落和螺栓未脱落，若一个螺栓区域内边缘分割点的外接矩形长边值小于所述平均值与预设比例系数之积，则判定该螺栓区域的检测结果为螺栓脱落；若一个螺栓区域内边缘分割点的外接矩形长边值大于或等于所述平均值与预设比例系数之积，则判定该螺栓区域的检测结果为螺栓未脱落。

螺栓脱落后对应的图像中螺栓区域的区域轮廓较小，相应的边缘分割点的外接矩形的长边值会小，而在螺栓簇区域图像中通常螺栓脱落的区域相对于螺栓未脱落的区域的个数要少，本实施例通过将平均值与预设比例系数之积作为判断阈值，对螺栓区域内边缘分割点的外接矩形长边值进行判断，能够准确检测螺栓脱落状态，提高检测精度。

作为本发明的一个实施例，如图6所示，S201中“获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位”可以包括：

在S601中，获取包含桥梁梁体的初始图像。

在S602中，对所述初始图像进行颜色分割处理及边缘检测处理，从所述初始图像中提取出桥梁螺栓的待检测区域图像。

在本实施例中，可以采用颜色分割和边缘检测两种图像处理方式对初始图像进行处理，去除初始图像中的背景图像信息，从初始图像中提取出桥梁螺栓的待检测区域图像。待检测区域图像即为桥梁螺栓所在区域的图像。颜色分割处理为基于颜色的图像分割处理方式。颜色分割处理和边缘检测处理的先后顺序在此不作限定，可以根据实际情况进行确定。

可选地，S602中对所述初始图像进行颜色分割处理可以包括：

获取桥梁梁体中螺栓所在区域的颜色信息，并根据所述颜色信息确定颜色分割条件；

从所述初始图像中提取出符合所述颜色分割条件的区域图像。

例如，以蓝色大跨径桥梁梁体为例，由于彩色图像主要有Red，Green，Blue三个通道的数据矩阵分量组成，因此颜色分割条件可以确定为Blue>1.6Red，根据这个条件可以从初始图像中确定螺栓所在区域的大致范围，去除背景信息。其中Blue，Green，Red分别为彩色图像中的蓝色、绿色和红色通道数据矩阵。

实际应用中通常桥梁梁体一些区域的颜色是统一的，与非梁体的背景颜色存在一定差别，本实施例通过颜色分割条件对初始图像进行颜色分割处理，能够有效清除初始图像中的背景信息。

可选地，可以通过Canny算子对所述初始图像进行边缘检测处理。

在S603中，对所述待检测区域图像进行连通体分析处理。

在本实施例中，经过颜色分割及边缘检测得到的待检测区域图像中螺栓区域轮廓的主要形态为半圆弧形态，而背景干扰杂波的主要形态为直线、折线、小型半弧、细小圆圈等。采用连通体分析的方法可以去除待检测区域图像中的干扰杂波。

可选地，S603可以包括：

确定所述待检测区域图像中的各个连通体；

通过直线检测分别确定各个连通体中的直线特征信息；

分别判断各个连通体中的直线特征信息是否符合预设直线特征条件，将直线特征信息符合所述预设直线特征条件的连通体删除；

统计各个连通体的连通体特征信息，将连通体特征信息不符合预设特征信息条件的连通体删除。

可选地，可以通过霍夫直线检测算法确定各个连通体中的直线特征信息。

在本实施例中，由于桥梁螺栓对应的连通体的直线特征信息与背景干扰对应的连通体的直线特征信息存在区别，因此可以通过预设直线特征条件，判断直线特征信息符合所述预设直线特征条件的连通体为背景干扰对应的连通体，将这些连通体删除，从而达到去除干扰杂波的目的。

例如，直线特征信息可以包括连通体中共线点的个数及共线点的个数在连通体中点总个数中所占的比例。预设直线特征条件可以表示为：

其中，point为连通体中共线点个数，sum_point为连通体中点的总个数。预设直线特征条件表述为，连通体中共线的点的个数大于预设个数阈值(如10)，且共线点的个数在连通体内点总个数中所占的比例大于预设比例阈值(如0.5)。若一个连通体的直线特征信息符合预设直线特征条件，表明该连通体是背景干扰对应的连通体，将该连通体删除。

可选地，所述连通体特征信息包括连通体面积信息和/或连通体外切椭圆的长短轴比值。

在本实施例中，预设特征信息条件可以表示为：

其中，Area为连通体面积，Axis为连通体外切椭圆的长短轴比值。预设特征信息条件可以表述为，连通体面积大于预设面积阈值(如40)，且连通体外切椭圆的长短轴比值小于预设长短轴比值阈值(如10)。若一个连通体的连通体特征信息不符合预设特征信息条件，表明该连通体是小型圆弧、细小圆圈等背景干扰对应的连通体，将该连通体删除。

本实施例通过预设直线特征条件来判定桥梁螺栓的待检测区域图像中直线、折线等背景干扰杂波对应的连通体，通过预设特征信息条件来判定小型半弧、细小圆圈等背景干扰杂波对应的连通体，将这些背景干扰的连通体去除，消除背景干扰。

在S604中，对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析，确定螺栓簇区域。

在本实施例中，可以根据桥梁螺栓的密集分布特征，通过对待检测区域图像中的螺栓轮廓进行聚类分析，确定出桥梁螺栓区域，实现对桥梁螺栓区域的精确定位。

可选地，可以通过基于密度的带有噪声的空间聚类DBSCAN算法对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析。

可选地，S604可以包括：

获取预设轮廓个数和预设邻域范围；

将预设邻域范围内包含的轮廓个数大于或等于预设轮廓个数的螺栓轮廓确定为核心轮廓对象；

选取未处理的任一核心轮廓对象作为种子，查找所有从所述种子直接密度可达的螺栓轮廓，生成一个螺栓轮廓集合；

通过迭代方式将能直接密度可达的螺栓轮廓集合进行合并，确定各个聚类簇。

在本实施例中，预设轮廓个数和预设邻域范围可以根据实际需求进行设定，在此不作限定。可以将预设邻域范围内包含的轮廓个数大于或等于预设轮廓个数的螺栓轮廓确定为核心轮廓对象，在待检测区域图像中任意选择一个没有类别的核心轮廓对象作为种子，然后找到所有这个核心轮廓对象能够“直接密度可达”的样本集合，即为一个螺栓轮廓集合。接着继续选择另一个没有类别的核心轮廓对象去寻找“直接密度可达”的样本集合，由此得到另一个核心轮廓对象。按照上述流程，一直运行到所有核心对象都有特定的类别为止。将相互之间存在能直接密度可达的螺栓轮廓的螺栓轮廓集合进行合并，确定各个聚类簇。

本实施例根据螺栓密集分布特征，采用颜色分割与边缘检测相结合的方法筛选待检测区域，再采用聚类分析方法对待检测区域进行聚类，定位螺栓簇区域的位置，能够提高定位精度和定位效率。

如图7所示为本发明的一个实施示例，分别以桥梁螺栓仿制模型不同的两张采集图像作为初始图像，进行螺栓簇区域定位。图7(a)为初始图像A，图7(b)为对初始图像A进行聚类分析的结果示意图，图7(c)为定位出的初始图像A中的螺栓簇区域的位置；图7(d)为初始图像B，图7(e)为对初始图像B进行聚类分析的结果示意图，图7(f)为定位出的初始图像B中的螺栓簇区域的位置。图7(g)为对初始图像A的一个区域进行边缘检测与颜色分割后的示意图。从图7可以看出，本发明实施例能够有效去除图像中的背景干扰，并且通过聚类分析精确定位出螺栓簇区域的位置。

如图8所示为本发明的一个实施示例，以一个螺栓簇区域的检测为例进行说明。如图8(a)所示，螺栓簇区域中单个螺栓区域的位置主要呈点状棋盘分布，因此该螺栓簇区域在0度到180度上的投影应存在两个最优投影角使其投影分布呈均匀分布。可以采用Radon变换对螺栓簇区域做0度到180度上的投影，并描述其投影密度值变化曲线，可以发现在45度附近与135度附近存在两个峰值点，如图8(b)所示。这里，投影密度可以表示其中M为该螺栓簇区域内的所有边缘分割点的总数，L为当前簇区域的投影总长度。图8(b)中出现波峰的角度对应两个最优投影角度。

图8(c)和图8(d)分别为螺栓区域在45度与135度的两个最优投影角度上的投影值分布。可以从图中看出两个不同投影角度下的投影总长度的计算过程：L为当前投影角度下的投影总长度，L_i为该投影角度下的第i个投影长度分量，则n为投影长度分量的个数。图中45度下包括5个投影长度分量，135度下包括6个投影长度分量。另外，可以观察到图8(c)与8(d)中仍然存在有少量杂波投影(如图8(c)中的L₁和图8(d)中的L₆)。这是由于螺栓区域定位过程中残留的背景噪声引起的，可以按照上文中的处理方法对这些背景噪声产生的投影分布进行去除。

如图8(e)所示为从螺栓簇区域图像中定位出的螺栓区域位置，其中白色条状交叠处即为单个螺栓区域的位置。

如图8(f)所示为正常螺栓的边缘检测结果，图8(g)所示为脱落螺栓区域的边缘检测结果，可以看出，正常螺栓区域内边缘分割点的外接矩形的长边值远大于脱落螺栓区域内边缘分割点的外接矩形的长边值，且这种关系呈相对关系，与拍摄距离和角度无关。由统计数据可知螺栓脱落的个数一般远小于该簇区域内螺栓的总数，因此把螺栓脱落检测问题建模为该簇区域内关于螺栓区域统计数据的异常点检测问题。只需计算该簇区域内所有螺栓候选区域中边缘分割点的外接矩形的长边值x_box，并统计当前簇区域内所有长边值的平均值如果某一螺栓区域的长边值小于该平均值的一半，即则判定该区域的螺栓脱落。

如图9所示为本发明的一个实施示例，分别以桥梁螺栓仿制模型不同的两张采集图像作为初始图像，进行螺栓脱落检测。图9(a)为初始图像C，图9(b)为对初始图像C进行螺栓脱落检测的结果示意图，图9(c)为初始图像D，图9(d)为对初始图像D进行螺栓脱落检测的结果示意图。从图9可以看出，本发明实施例提供的检测方法能够准确进行螺栓脱落状态检测，提高检测精度。

本发明实施例通过将螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，采用投影分析方法准确地定位出螺栓簇区域图像中每个螺栓区域的位置；通过计算各单个螺栓区域内边缘分割点的外接矩形的长边值，能够利用螺栓区域内边缘分割点的外接矩形的统计特征对螺栓区域进行脱落检测，提高对螺栓状态的检测精准度。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的桥梁螺栓脱落检测方法，图10示出了本发明实施例提供的桥梁螺栓脱落检测装置的示意图。为了便于说明，仅示出了与本实施例相关的部分。

参照图10，该装置包括提取模块101、投影模块102和处理模块103。

提取模块101，用于获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位，从所述初始图像中提取螺栓簇区域的边缘特征信息，确定螺栓簇区域位置。

投影模块102，用于将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，并根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位。

处理模块103，用于计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并根据各单个螺栓区域内边缘分割点的外接矩形的长边值确定所述螺栓簇区域中脱落螺栓的检测结果。

可选地，所述投影模块102用于：

通过Radon变换将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影。

可选地，所述投影模块102用于：

计算各个预设投影角度对应的投影总长度，将所有预设投影角度中对应投影总长度最小的两个预设投影角度确定为两个最优投影角度；或者，

计算各个预设投影角度对应的投影密度，将所有预设投影角度中对应投影密度最大的两个预设投影角度确定为两个最优投影角度；任一预设投影角度对应的投影密度为所述螺栓簇区域图像中所有边缘分割点的总个数与该预设投影角度下的投影总长度的比值；

根据所述两个最优投影角度对应的投影分布确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

可选地，所述投影模块102用于：

分别计算所述两个最优投影角度下的各个投影长度分量对应的投影面积分量和投影密度分量；任一投影长度分量对应的投影面积分量为该投影长度分量对应的所有边缘分割点的总个数；任一投影长度分量对应的投影密度分量为该投影长度分量对应的所有边缘分割点的总个数与该投影长度分量的比值；

判定各个投影长度分量对应的投影面积分量和投影密度分量是否符合预设筛选条件；所述预设筛选条件用于筛选螺栓区域对应的投影分布和背景噪声对应的投影分布；

根据所述两个最优投影角度下符合所述预设筛选条件的投影长度分量对应的投影分布，确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

可选地，所述预设筛选条件包括：

其中，σ_i为当前进行判定的第i个投影长度分量的投影密度分量，为当前最优投影角度下所有投影长度分量的投影密度分量之和；Area_i为当前进行判定的第i个投影长度分量的投影面积分量，为当前最优投影角度下所有投影长度分量的投影面积分量之和；n为当前最优投影角度下投影长度分量的总个数，a为预设密度比例系数，b为预设面积比例系数，a，b均大于0且小于1。

可选地，所述处理模块103用于：

计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并计算所述螺栓簇区域图像中所有螺栓区域内边缘分割点的外接矩形长边值的平均值；

将边缘分割点的外接矩形长边值小于所述平均值与预设比例系数之积的螺栓区域的检测结果判定为螺栓脱落。

可选地，所述提取模块101用于：

获取包含桥梁梁体的初始图像；

对所述初始图像进行颜色分割处理及边缘检测处理，从所述初始图像中提取出桥梁螺栓的待检测区域图像；

对所述待检测区域图像进行连通体分析处理；

对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析，确定螺栓簇区域。

可选地，所述提取模块101用于：

通过基于密度的带有噪声的空间聚类DBSCAN算法对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析。

本发明实施例通过将螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，采用投影分析方法准确地定位出螺栓簇区域图像中每个螺栓区域的位置；通过计算各单个螺栓区域内边缘分割点的外接矩形的长边值，能够利用螺栓区域内边缘分割点的外接矩形的统计特征对螺栓区域进行脱落检测，提高对螺栓状态的检测精准度。

图11是本发明一实施例提供的终端设备的示意图。如图11所示，该实施例的终端设备11包括：处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112，例如程序。所述处理器110执行所述计算机程序112时实现上述各个方法实施例中的步骤，例如图2所示的步骤201至203。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块/单元的功能，例如图10所示模块101至103的功能。

示例性的，所述计算机程序112可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器111中，并由所述处理器110执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序112在所述终端设备11中的执行过程。

所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图11仅仅是终端设备11的示例，并不构成对终端设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线、显示器等。

所称处理器110可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器111可以是所述终端设备11的内部存储单元，例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备，例如所述终端设备11上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种桥梁螺栓脱落检测方法，其特征在于，包括：

获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位，从所述初始图像中提取螺栓簇区域的边缘特征信息，确定螺栓簇区域位置；

将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影，并根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位；

计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并根据各单个螺栓区域内边缘分割点的外接矩形的长边值确定所述螺栓簇区域中脱落螺栓的检测结果。

2.如权利要求1所述的桥梁螺栓脱落检测方法，其特征在于，所述将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影包括：

通过Radon变换将所述螺栓簇区域图像分别向各个预设投影角度对应的方向进行投影。

3.如权利要求1所述的桥梁螺栓脱落检测方法，其特征在于，所述根据各个预设投影角度对应的投影数据对所述螺栓簇区域图像中的单个螺栓区域进行定位包括：

计算各个预设投影角度对应的投影总长度，将所有预设投影角度中对应投影总长度最小的两个预设投影角度确定为两个最优投影角度；或者，

计算各个预设投影角度对应的投影密度，将所有预设投影角度中对应投影密度最大的两个预设投影角度确定为两个最优投影角度；任一预设投影角度对应的投影密度为所述螺栓簇区域图像中所有边缘分割点的总个数与该预设投影角度下的投影总长度的比值；

根据所述两个最优投影角度对应的投影分布确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

4.如权利要求3所述的桥梁螺栓脱落检测方法，其特征在于，所述根据所述两个最优投影角度对应的投影分布确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标包括：

分别计算所述两个最优投影角度下的各个投影长度分量对应的投影面积分量和投影密度分量；任一投影长度分量对应的投影面积分量为该投影长度分量对应的所有边缘分割点的总个数；任一投影长度分量对应的投影密度分量为该投影长度分量对应的所有边缘分割点的总个数与该投影长度分量的比值；

判定各个投影长度分量对应的投影面积分量和投影密度分量是否符合预设筛选条件；所述预设筛选条件用于筛选螺栓区域对应的投影分布和背景噪声对应的投影分布；

根据所述两个最优投影角度下符合所述预设筛选条件的投影长度分量对应的投影分布，确定所述螺栓簇区域图像中各单个螺栓区域的位置坐标。

5.如权利要求4所述的桥梁螺栓脱落检测方法，其特征在于，所述预设筛选条件包括：

其中，σ_i为当前进行判定的第i个投影长度分量的投影密度分量，为当前最优投影角度下所有投影长度分量的投影密度分量之和；Area_i为当前进行判定的第i个投影长度分量的投影面积分量，为当前最优投影角度下所有投影长度分量的投影面积分量之和；n为当前最优投影角度下投影长度分量的总个数，a为预设密度比例系数，b为预设面积比例系数，a，b均大于0且小于1。

6.如权利要求1所述的桥梁螺栓脱落检测方法，其特征在于，所述计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并根据各单个螺栓区域内边缘分割点的外接矩形的的长边值确定所述螺栓簇区域中脱落螺栓的检测结果包括：

计算各单个螺栓区域内边缘分割点的外接矩形的长边值，并计算所述螺栓簇区域图像中所有螺栓区域内边缘分割点的外接矩形长边值的平均值；

将边缘分割点的外接矩形长边值小于所述平均值与预设比例系数之积的螺栓区域的检测结果判定为螺栓脱落。

7.如权利要求1至6任一项所述的桥梁螺栓脱落检测方法，其特征在于，所述获取包含桥梁梁体的初始图像，对所述初始图像中的螺栓簇区域进行定位包括：

获取包含桥梁梁体的初始图像；

对所述初始图像进行颜色分割处理及边缘检测处理，从所述初始图像中提取出桥梁螺栓的待检测区域图像；

对所述待检测区域图像进行连通体分析处理；

对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析，确定螺栓簇区域。

8.如权利要求7所述的桥梁螺栓脱落检测方法，其特征在于，所述对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析包括：

通过基于密度的带有噪声的空间聚类DBSCAN算法对经过所述连通体分析处理的待检测区域图像中的螺栓轮廓进行聚类分析。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。