CN110529186A - 基于红外热成像的隧道结构渗漏水精确识别装置和方法 - Google Patents
基于红外热成像的隧道结构渗漏水精确识别装置和方法 Download PDFInfo
- Publication number
- CN110529186A CN110529186A CN201910856676.3A CN201910856676A CN110529186A CN 110529186 A CN110529186 A CN 110529186A CN 201910856676 A CN201910856676 A CN 201910856676A CN 110529186 A CN110529186 A CN 110529186A
- Authority
- CN
- China
- Prior art keywords
- visible images
- percolating water
- tunnel structure
- thermal
- infrared thermal
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 82
- 238000001931 thermography Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 206010030113 Oedema Diseases 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000013523 data management Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000013316 zoning Methods 0.000 abstract 1
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 230000007547 defect Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001465382 Physalis alkekengi Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/002—Investigating fluid-tightness of structures by using thermal means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Examining Or Testing Airtightness (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于红外热成像的隧道结构渗漏水精确识别装置与方法，主要解决目前隧道结构渗漏水检测中，传统的单一可见光图像检测渗漏水轮廓不准确，导致面积计算不精确的问题。本发明涉及的数据采集装置包括红外热成像仪，工业相机，补光装置，同步控制卡，激光测距仪，测距轮装置，工控机和供电系统。本发明设计的隧道结构渗漏水识别方法，利用红外热成像仪与工业相机分别采集隧道结构的红外热图像与可见光图像，先依据渗漏水区域在红外热图像中温度较低的原理提取出渗漏水中心区域，再扩大范围从可见光图像的相同区域内提取渗漏水区域，然后利用红外热图像中的温度信息修正可见光图像中提取的区域轮廓，最后计算区域面积，解决现有渗漏水区域识别不准确的问题。
Description
技术领域
本发明涉及一种隧道结构渗漏水精确识别装置和方法，特别是涉及红外热成像的隧道结构渗漏水精确识别装置和方法，应用于隧道工程领域。
背景技术
渗漏水是最常见的隧道结构病害之一，如不及时处置会导致隧道内部钢筋腐蚀、管片开裂及混凝土剥落等其他病害，从而影响隧道结构强度，威胁到隧道运营安全，因此需要高度重视此类病害的检测。
对于隧道结构渗漏水检测，目前主要为人工检测，其作业效率低、工作强度大、检测质量人为因素影响大、成本高，且易干扰交通运营。因此需要采用一种自动化检测设备，提高隧道检测效率。专利CN201520786730.9公开了一种隧道结构渗漏水远程实时监测系统，通过设置轨道上的行走承载车与红外热成像仪，获取隧道结构的红外热图像，进行隧道的渗漏水检测并进行报警。但没有里程定位装置，难以查找病害实际位置。
在渗漏水自动识别方面，专利CN201810066937.7公开了一种隧道结构渗漏水病害自动识别方法，根据渗漏水在隧道影像上的灰度值较低的特点，结合边缘检测算法，实现对隧道结构渗漏水的自动识别，但其仅利用了图像的灰度信息，很容易受到周围噪声点的影响，无法做到准确识别。专利CN201810373105.X公开了一种基于红外热成像原理的隧道渗漏水病害检测机器人，利用红外热成像仪扫描隧道环境获取点云数据，根据渗漏水病害的温度变化，通过红外热图像显示病害存在及发展变化情况，但其未对病害区域面积进行分析，无法获悉病害实际范围，同时采用单一红外热图像识别，容易缩小病害范围，造成识别不精确。
因此，需要一种便捷的隧道结构渗漏水采集装置与数据处理方法，实现对隧道内病害信息的快速采集与数字化、自动化检测。
发明内容
本发明的目的是提供一种结合红外热图像与可见光图像实现隧道结构渗漏水病害识别的装置与方法，主要解决目前检测存在的识别精确度较低、范围难以确定等技术问题，来提高对隧道结构渗漏水识别的准确性与信息完整性。
本发明可以通过以下技术方案实现：基于红外热成像的隧道结构渗漏水精确识别装置，包括红外热成像仪、工业相机、补光装置、同步控制卡、激光测距仪、测距轮装置、工控机和供电系统。
所述红外热成像仪安装在设备搭载平台的设备支架上，与所述同步控制卡和工控机电连接，用于采集隧道结构的红外热图像，根据所述红外热成像仪的图像传感器尺寸、镜头焦距，调整安装位置和拍摄角度，使其满足拍摄精度和范围的要求。
所述工业相机紧邻红外热成像仪右侧安装，与所述同步控制卡和工控机电连接，用于采集隧道结构的可见光图像，根据所述红外热成像仪的拍摄范围与所需拍摄精度，计算其安装位置，满足工业相机的拍摄范围略大于红外热成像仪，确保在同一时间采集到的红外热图像与可见光图像具有空间上的一致性。
所述补光装置采用LED白光灯，安装在设备支架上，紧邻工业相机右侧，并通过旋转补光装置的设备支座调整补光范围，确保对工业相机拍摄范围内的隧道结构均匀补光，适应隧道内作业环境。
所述同步控制卡，电连接红外热成像仪和工业相机，实现同步触发拍摄，确保采集的红外热图像与可见光图像在时间上具有一致性。
所述激光测距仪紧邻工业相机左侧安装，并与其保持同一水平线、同一采集角度，与工控机电连接，获取工业相机图像传感器与所拍摄隧道结构之间的距离作为实际拍摄距离，并结合工业相机的图像传感器尺寸、镜头焦距，实现对渗漏水区域的实际面积计算。
所述测距轮装置采用增量式光电旋转编码器，安装于移动搭载平台的车轮中心轴上，用于测量车轮转速，获取移动搭载平台的行驶里程，与采集的图像数据相结合，定位渗漏水病害位置，实现对渗漏水的统计、查询和管理。
所述工控机内置数据采集和处理系统，安装于设备搭载平台上，与各个采集设备电连接，用于数据采集、数据存储以及数据分析，将采集到的图像与定位数据相结合，实现对隧道结构渗漏水病害的快速识别与区域定位。
所述数据处理系统，包括对红外热图像与可见光图像进行预处理；利用温度信息从红外热图像中提取渗漏水中心区域；将提取区域对应到可见光图像中，并扩大范围，从该范围内的可见光图像中进行渗漏水区域提取；结合温度信息对可见光图像获取的轮廓进行修正；最后结合工业相机的图像传感器尺寸、镜头焦距、拍摄距离以及测距装置的里程信息，计算渗漏水区域实际面积并保存区域位置信息。
一种基于红外热成像的隧道结构渗漏水精确识别方法，其特征在于，所述的渗漏水区域识别方法包括以下步骤：
（1）红外热图像与可见光图像的预处理；
（2）红外热图像中的渗漏水中心区域提取；
（3）可见光图像中的渗漏水区域提取；
（4）渗漏水区域实际面积计算。
所述红外热图像与可见光图像的预处理，包括对红外热图像与可见光图像的灰度化处理以及滤波去噪，具体操作步骤如下：
（1）对红外热图像和彩色的可见光图像，分别获取图像各像素点的R、G、B分量，对其进行加权平均获取该像素点的灰度值，生成红外热图像与可见光图像的灰度图；
（2）利用高斯滤波分别对红外热图像与可见光图像的灰度图进行降噪处理。
所述红外热图像的渗漏水区域提取，具体操作步骤如下：
（1）预先设定低温区域灰度值的高低范围；
（2）根据所设定的灰度值范围从红外热图像的灰度图中提取渗漏水中心区域。
所述可见光图像的渗漏水区域提取，具体操作步骤如下：
（1）对红外热图像所得渗漏水区域，获取该区域中心点坐标以及区域的宽度和高度；
（2）在可见光图像的灰度图中，以该点为中心，截取两倍宽度、高度区域；
（3）对截取区域利用最大类间差分法进行阈值分割，保留最大连通域，提取渗漏水区域。
所述用温度信息对可见光图像获取的轮廓进行修正，具体操作步骤如下：
（1）设定红外热图像灰度图中低温区域的最大灰度值，对可见光图像灰度图所提取区域中，灰度值大于设定值的像素点进行删除，然后保留最大连通域，修正可见光图像中提取的区域轮廓；
（2）对提取区域进行先膨胀后腐蚀的形态学操作，平滑区域边缘。
所述渗漏水区域实际面积计算公式为：，其中和为工业相机的图像传感器尺寸，为该灰度图的整体像素点数，为所提取区域像素点数，为实际拍摄距离，为工业相机镜头焦距。
本发明的有益效果在于：
1、采用移动车载平台进行数据采集，可提高隧道检测效率，避免人为因素的不稳定性；
2、综合红外热图像与可见光图像，可提高识别准确度及渗漏水区域面积计算的精确度；
3、将渗漏水病害识别与病害定位相结合，可实现隧道病害信息的数字化统计、查询和养护管理，渗漏水区域的识别精度不低于0.01m2。
附图说明
图1为本发明的结构拓扑示意图；
图2为本发明的数据采集与处理流程图；
图3为本发明产品结构示意图；
图4为本发明的识别方法流程图。
图中：1-红外热成像仪；2-工业相机；3-补光装置；4-同步控制卡；5-激光测距仪；6-测距轮装置；7-工控机；8-供电系统。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1和图2，本发明包括定位系统、控制系统、采集系统和独立供电系统，其中定位系统包括激光测距模块、测距轮模块；控制系统包括主控工控机、采集工控机和同步控制卡；采集系统包括补光模块、可见光图像采集模块和红外热成像模块。主控工控机分别连接激光测距模块和测距轮模块，采集工控机分别连接补光模块、可见光图像采集模块和红外热成像模块，同步控制卡分别连接可见光图像采集模块和红外热成像模块，供电系统分别连接定位系统、控制系统和采集系统。
由采集系统采集数据，获取图像数据信息、拍摄距离信息、车辆位置信息，根据图像数据信息进行渗漏水区域数据提取，结合拍摄距离信息进行渗漏水区域面积计算，再结合车辆位置信息将渗漏水面积和位置信息进行反馈。
如图3，本发明公开了一种基于红外热成像的隧道结构渗漏水精确识别装置，包括红外热成像仪1、工业相机2、补光装置3、同步控制卡4、激光测距仪5、测距轮装置6、工控机7和供电系统8，具体安装方式如下：
红外热成像仪1采用FLIR A615红外热成像仪，图像分辨率为640*480像素，热成像灵敏度为50mK。将红外热成像仪内嵌于不锈钢底座中，安装在设备支架上同时与工控机7和同步控制卡4电连接。根据红外热成像仪的图像传感器尺寸、分辨率、拍摄精度以及拍摄范围的要求，计算红外热成像仪与隧道结构间的拍摄距离和角度，确定其安装位置，并通过旋转底座调整红外热成像仪的拍摄角度。
工业相机2采用Genie Nano-CL M4040工业相机，分辨率为4112*3012像素。通过螺栓固定安装在设备支架上，紧邻红外热成像仪1右侧安装，并与同步控制卡4和工控机7电连接。根据红外热成像仪的拍摄范围以及所需精度，计算其安装位置，旋转相机底座调整拍摄角度，确保工业相机的拍摄范围略大于红外热成像仪。
在设备搭载平台行驶过程中，通过同步控制卡4控制红外热成像仪1与工业相机2，实现同步拍摄，确保采集到的红外热图像与可见光图像在时间上具有一致性，同时在相邻时间的拍摄范围有不少于10cm的重叠区域。
补光装置3采用LED白光灯，紧邻工业相机2右侧安装，固定于设备支架上，通过旋转灯具支座，调整补光范围，确保对工业相机拍摄范围内的隧道结构均匀补光。
激光测距仪5采用LDS32TN激光测距仪，测距范围为0.05-32m，测距精度为mm，安装在设备搭载平台上，紧邻工业相机2左侧，并与其保持同一水平线、同一采集角度，且与工控机7电连接。
测距轮装置6采用欧姆龙E6C3-CWZ光电旋转编码器，安装于设备搭载平台的后车轮中心轴上，并与工控机7电连接。
工控机7内置数据采集和处理系统，安装在设备搭载平台上，与各个采集设备电连接。
工作时，设备搭载平台在隧道内正常行驶，由安装于设备支架上的红外热成像仪1和工业相机2分别采集红外热图像和可见光图像；由安装于工业相机2左侧的激光测距仪5获取工业相机2图像传感器与隧道墙衬砌间的距离，作为实际拍摄距离；由安装在后车轮轴中心的测距轮装置6获取行驶里程，计算实际拍摄位置；将采集到的所有信息传输至安装在平台上的工控机7，通过图像处理并综合各类信息获取隧道结构渗漏水的面积与具体位置，保存查找到的病害信息。同时，为了适应隧道内作业环境，在设备支架上安装补光装置3，为工业相机2提供照明。
如图4，本发明公开了一种基于红外热成像的隧道结构渗漏水精确识别方法，可通过如下步骤实现：
（1）红外热图像与可见光图像的预处理；
（2）红外热图像中的渗漏水中心区域提取；
（3）可见光图像中的渗漏水区域提取；
（4）用温度信息对可见光图像获取的轮廓进行修正；
（5）渗漏水区域实际面积计算。
红外热图像与可见光图像的预处理，包括对红外热图像与可见光图像的灰度化处理以及滤波去噪，具体步骤如下：
（1）获取图像各像素点的R、G、B分量，设置三个通道的权值分别为0.299、0.587和0.114，对其进行加权平均计算每个像素点的灰度值，生成红外热图像与可见光图像的灰度图；
（2）利用高斯滤波函数void GaussianBlur (InputArray src, OutputArray dst,Size ksize, double sigmaX, double sigmaY)，分别对红外热图像与可见光图像的灰度图进行降噪处理。
红外热图像的渗漏水区域提取，具体步骤如下：
（1）设置低温区域灰度值的范围为0到90；
（2）根据所设定的灰度值范围从红外热图像的灰度图中提取渗漏水中心区域。
可见光图像的渗漏水区域提取，具体步骤如下：
（1）对红外热图像所得渗漏水区域，获取该区域中心点坐标为以及区域的宽度为136像素和高度为584像素；
（2）在可见光图像的灰度图中，以点为中心，则应截取区域宽度为272像素，高度为1168像素，由于原始图像大小为2302*1842，因此根据中心点坐标，实际截取区域宽度为272像素，高度为893像素；
（3）对截取区域利用最大类间差分法进行阈值分割，提取渗漏水区域。
利用温度信息对可见光图像获取的轮廓进行修正，具体步骤如下：
（1）设定红外热图像灰度图中低温区域的最大灰度值为100，对可见光图像灰度图所提取区域中灰度值大于100的像素点进行删除，然后保留最大连通域，修正渗漏水的区域轮廓；
（2）对提取区域进行先膨胀后腐蚀的形态学操作，平滑区域边缘，膨胀函数与腐蚀函数分别如下：
dilate(const Mat &src, Mat &dst, Mat kernel)
erode(const Mat &src, Mat &dst, Mat kernel)
计算渗漏水区域实际面积，获取图像整体像素点数为242896个，所提区域内的像素点数为104259个，实际拍摄距离为20m，根据工业相机的图像传感器尺寸与镜头焦距，计算得到渗漏水区域的实际面积为0.74m2。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于红外热成像的隧道结构渗漏水精确识别装置，其特征在于：包括红外热成像仪、工业相机、补光装置、同步控制卡、激光测距仪、测距轮装置、工控机和供电系统；
所述红外热成像仪与同步控制卡和工控机电连接，用于采集隧道结构的红外热图像；
所述工业相机与同步控制卡和工控机电连接，用于采集隧道结构的可见光图像；
所述补光照明设备，紧邻工业相机安装，为工业相机提供照明；
所述同步控制卡电连接红外热成像仪和工业相机，控制同步拍摄；
所述激光测距仪紧邻工业相机安装，与其保持同一水平线、同一采集角度，并与工控机电连接，获取工业相机拍摄距离，用于计算渗漏水区域实际面积；
所述测距轮装置安装于搭载平台的车轮中心轴上，及时获取行驶里程，用于定位渗漏水病害位置；
所述工控机与各个采集设备电连接，内置数据采集和处理系统，用于数据采集、数据存储和数据处理分析；
所述供电系统，安装于设备搭载平台上，为各个设备供电。
2.根据权利要求1所述的基于红外热成像的隧道结构渗漏水精确识别装置，其特征在于，所述激光测距仪、工业相机、红外热成像仪、补光装置相邻装在底座上，安装于设备搭载平台的设备支架上。
3.根据权利要求1所述的基于红外热成像的隧道结构渗漏水精确识别装置，其特征在于，所述补光装置为LED白光灯，通过旋转设备支座调整补光范围。
4.根据权利要求1所述的基于红外热成像的隧道结构渗漏水精确识别装置，其特征在于，所述数据处理系统，包括对红外热图像与可见光图像进行预处理；利用温度信息从红外热图像中提取渗漏水中心区域；将提取区域对应到可见光图像中，并扩大范围，从该范围内的可见光图像中进行渗漏水区域提取；结合温度信息对可见光图像获取的轮廓进行修正；最后结合工业相机的图像传感器尺寸、镜头焦距、拍摄距离以及测距装置的里程信息，计算渗漏水区域实际面积并保存区域位置信息。
5.一种基于红外热成像的隧道结构渗漏水精确识别方法，其特征在于，所述的渗漏水区域识别方法包括以下具体步骤：
（1）红外热图像与可见光图像的预处理；
（2）红外热图像中的渗漏水中心区域提取；
（3）可见光图像中的渗漏水区域提取；
（4）用温度信息对可见光图像获取的轮廓进行修正；
（5）渗漏水区域实际面积计算。
6.根据权利要求5所述的一种基于红外热成像的隧道结构渗漏水精确识别方法，其特征在于，所述红外热图像与可见光图像的预处理，包括对红外热图像与可见光图像的灰度化处理以及滤波去噪，具体操作步骤如下：
（1）对红外热图像和彩色的可见光图像，分别获取图像各像素点的R、G、B分量，对其进行加权平均获取该像素点的灰度值，生成红外热图像与可见光图像的灰度图；
（2）利用高斯滤波分别对红外热图像与可见光图像的灰度图进行降噪处理。
7.根据权利要求5所述的一种基于红外热成像的隧道结构渗漏水精确识别方法，其特征在于，所述红外热图像的渗漏水中心区域提取，具体操作步骤如下：
（1）预先设定低温区域灰度值的高低范围；
（2）根据所设定的灰度值范围从红外热图像的灰度图中提取渗漏水中心区域。
8.根据权利要求5所述的一种基于红外热成像的隧道结构渗漏水精确识别方法，其特征在于，所述可见光图像的渗漏水区域提取，具体操作步骤如下：
（1）对红外热图像所得渗漏水区域，获取该区域中心点坐标以及区域的宽度和高度；
（2）在可见光图像的灰度图中，以该点为中心，截取两倍宽度、高度区域；
（3）对截取区域利用最大类间差分法进行阈值分割，提取渗漏水区域。
9.根据权利要求5所述的一种基于红外热成像的隧道结构渗漏水精确识别装置与方法，其特征在于，所述用温度信息对可见光图像获取的轮廓进行修正，具体步骤如下：
（1）设定红外热图像灰度图中低温区域的最大灰度值，对可见光图像灰度图所提取区域中，灰度值大于设定值的像素点进行删除，然后保留最大连通域，修正可见光图像中提取的区域轮廓；
（2）对提取区域进行先膨胀后腐蚀的形态学操作，平滑区域边缘。
10.根据权利要求5所述的一种基于红外热成像的隧道结构渗漏水精确识别装置与方法，其特征在于，所述渗漏水区域实际面积计算公式为：，其中和为工业相机的图像传感器尺寸，为该灰度图的整体像素点数，为所提取区域像素点数，为实际拍摄距离，为工业相机镜头焦距。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910856676.3A CN110529186B (zh) | 2019-09-11 | 2019-09-11 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910856676.3A CN110529186B (zh) | 2019-09-11 | 2019-09-11 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110529186A true CN110529186A (zh) | 2019-12-03 |
| CN110529186B CN110529186B (zh) | 2021-03-30 |
Family
ID=68668183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910856676.3A Active CN110529186B (zh) | 2019-09-11 | 2019-09-11 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110529186B (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122053A (zh) * | 2020-01-03 | 2020-05-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 小型水库坝体早期非稳定渗漏的检测装置与方法 |
| CN111458375A (zh) * | 2020-03-20 | 2020-07-28 | 同济大学 | 一种隧道衬砌浅层钢筋锈胀的探测方法与装置 |
| CN111462044A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习模型的温室草莓检测与成熟度评价方法 |
| CN111460903A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习的田间西兰花长势监测系统及方法 |
| CN111693536A (zh) * | 2020-06-24 | 2020-09-22 | 河南高建工程管理有限公司 | 一种基于红外热成像的地下综合管廊施工防水检测方法 |
| CN111693432A (zh) * | 2020-06-04 | 2020-09-22 | 山东大学 | 一种构筑物表面渗漏水自动监测系统及方法 |
| CN111767815A (zh) * | 2020-06-22 | 2020-10-13 | 浙江省机电设计研究院有限公司 | 一种隧道渗漏水识别方法 |
| CN111899288A (zh) * | 2020-06-01 | 2020-11-06 | 上海大学 | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 |
| CN112085771A (zh) * | 2020-08-06 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
| CN112186557A (zh) * | 2020-08-25 | 2021-01-05 | 中国海洋石油集团有限公司 | 一种海洋平台户外用防水变频柜及防水测试方法 |
| CN112254637A (zh) * | 2020-10-13 | 2021-01-22 | 成都天佑智隧科技有限公司 | 一种基于多种融合数据的隧道开挖面扫描装置及检测方法 |
| CN112665806A (zh) * | 2021-01-19 | 2021-04-16 | 安徽省（水利部淮河水利委员会）水利科学研究院 | 一种装配式建筑外墙渗漏检测装置与使用方法 |
| CN113106175A (zh) * | 2021-03-29 | 2021-07-13 | 北京中航天业科技有限公司 | 钢渣处理热烟气收集系统及方法 |
| CN113138148A (zh) * | 2021-04-21 | 2021-07-20 | 中国农业大学 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
| CN113155176A (zh) * | 2020-01-07 | 2021-07-23 | 山东大学 | 一种隧道衬砌结构病害综合检测装置及方法 |
| CN113269713A (zh) * | 2021-04-07 | 2021-08-17 | 西南交通大学 | 隧道掌子面地下水出水形式智能识别方法及确定装置 |
| CN113341993A (zh) * | 2021-06-21 | 2021-09-03 | 杭州越歌科技有限公司 | 管道检测机器人自动导航方法、系统、存储介质及机器人 |
| CN113532517A (zh) * | 2021-06-28 | 2021-10-22 | 同济大学 | 一种隧道工作面稳定性实时精细评估设备及方法 |
| CN113945288A (zh) * | 2021-10-25 | 2022-01-18 | 重庆交通建设(集团)有限责任公司 | 一种基于红外探测的岩溶隧道掌子面突水预报方法 |
| CN114216931A (zh) * | 2021-11-05 | 2022-03-22 | 中国矿业大学 | 一种基于红外图像的带式输送机煤炭自燃检测方法 |
| CN114544456A (zh) * | 2022-01-10 | 2022-05-27 | 河海大学 | 土石堤坝渗漏非接触式时空连续监测与预警方法及系统 |
| CN115457735A (zh) * | 2022-07-21 | 2022-12-09 | 山东大学 | 基于红外热成像与视频监控的突涌水无线监测装置及方法 |
| CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
| CN116908241A (zh) * | 2023-08-01 | 2023-10-20 | 郑州大学 | 一种施工期检测体外预应力孔道压浆密实度的红外热成像方法 |
| CN117782435A (zh) * | 2024-02-23 | 2024-03-29 | 中国电建集团西北勘测设计研究院有限公司 | 一种地下储气库漏气监测装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11259656A (ja) * | 1998-03-10 | 1999-09-24 | Teito Rapid Transit Authority | トンネル壁面判定装置 |
| CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
| CN104048969A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 一种隧道病害的识别方法 |
| CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
| CN107014352A (zh) * | 2017-05-02 | 2017-08-04 | 中铁第四勘察设计院集团有限公司 | 一种用于铁路隧道全断面综合检测的轨道车及检测方法 |
| CN107491781A (zh) * | 2017-07-21 | 2017-12-19 | 国家电网公司 | 一种巡检机器人可见光与红外传感器数据融合方法 |
| CN107677372A (zh) * | 2017-09-11 | 2018-02-09 | 华中科技大学 | 一种基于双目视觉的隧道检测方法 |
| CN108932721A (zh) * | 2018-06-28 | 2018-12-04 | 上海电力学院 | 一种用于巡检机器人的红外图像分割与融合方法 |
| CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
| CN110161043A (zh) * | 2019-05-10 | 2019-08-23 | 同济大学 | 一种地铁隧道结构综合检测车 |
-
2019
- 2019-09-11 CN CN201910856676.3A patent/CN110529186B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11259656A (ja) * | 1998-03-10 | 1999-09-24 | Teito Rapid Transit Authority | トンネル壁面判定装置 |
| CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
| CN104048969A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 一种隧道病害的识别方法 |
| CN104749187A (zh) * | 2015-03-25 | 2015-07-01 | 武汉武大卓越科技有限责任公司 | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 |
| CN107014352A (zh) * | 2017-05-02 | 2017-08-04 | 中铁第四勘察设计院集团有限公司 | 一种用于铁路隧道全断面综合检测的轨道车及检测方法 |
| CN107491781A (zh) * | 2017-07-21 | 2017-12-19 | 国家电网公司 | 一种巡检机器人可见光与红外传感器数据融合方法 |
| CN107677372A (zh) * | 2017-09-11 | 2018-02-09 | 华中科技大学 | 一种基于双目视觉的隧道检测方法 |
| CN108932721A (zh) * | 2018-06-28 | 2018-12-04 | 上海电力学院 | 一种用于巡检机器人的红外图像分割与融合方法 |
| CN110161043A (zh) * | 2019-05-10 | 2019-08-23 | 同济大学 | 一种地铁隧道结构综合检测车 |
| CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 吴杭彬等: "基于红外成像的地铁隧道渗漏水提取", 《工程勘察》 * |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111122053B (zh) * | 2020-01-03 | 2021-05-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 小型水库坝体早期非稳定渗漏的检测装置与方法 |
| CN111122053A (zh) * | 2020-01-03 | 2020-05-08 | 水利部交通运输部国家能源局南京水利科学研究院 | 小型水库坝体早期非稳定渗漏的检测装置与方法 |
| CN113155176A (zh) * | 2020-01-07 | 2021-07-23 | 山东大学 | 一种隧道衬砌结构病害综合检测装置及方法 |
| CN111462044A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习模型的温室草莓检测与成熟度评价方法 |
| CN111460903A (zh) * | 2020-03-05 | 2020-07-28 | 浙江省农业科学院 | 基于深度学习的田间西兰花长势监测系统及方法 |
| CN111460903B (zh) * | 2020-03-05 | 2022-07-19 | 浙江省农业科学院 | 基于深度学习的田间西兰花长势监测系统及方法 |
| CN111458375A (zh) * | 2020-03-20 | 2020-07-28 | 同济大学 | 一种隧道衬砌浅层钢筋锈胀的探测方法与装置 |
| CN111899288A (zh) * | 2020-06-01 | 2020-11-06 | 上海大学 | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 |
| CN111899288B (zh) * | 2020-06-01 | 2023-04-07 | 上海大学 | 基于红外和可见光图像融合的隧道渗漏水区域检测与识别方法 |
| CN111693432A (zh) * | 2020-06-04 | 2020-09-22 | 山东大学 | 一种构筑物表面渗漏水自动监测系统及方法 |
| CN111767815A (zh) * | 2020-06-22 | 2020-10-13 | 浙江省机电设计研究院有限公司 | 一种隧道渗漏水识别方法 |
| CN111693536A (zh) * | 2020-06-24 | 2020-09-22 | 河南高建工程管理有限公司 | 一种基于红外热成像的地下综合管廊施工防水检测方法 |
| CN112085771B (zh) * | 2020-08-06 | 2023-12-05 | 深圳市优必选科技股份有限公司 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
| CN112085771A (zh) * | 2020-08-06 | 2020-12-15 | 深圳市优必选科技股份有限公司 | 图像配准方法、装置、终端设备及计算机可读存储介质 |
| CN112186557A (zh) * | 2020-08-25 | 2021-01-05 | 中国海洋石油集团有限公司 | 一种海洋平台户外用防水变频柜及防水测试方法 |
| CN112254637A (zh) * | 2020-10-13 | 2021-01-22 | 成都天佑智隧科技有限公司 | 一种基于多种融合数据的隧道开挖面扫描装置及检测方法 |
| CN112254637B (zh) * | 2020-10-13 | 2023-09-12 | 成都天佑智隧科技有限公司 | 一种基于多种融合数据的隧道开挖面扫描装置及检测方法 |
| CN112665806A (zh) * | 2021-01-19 | 2021-04-16 | 安徽省（水利部淮河水利委员会）水利科学研究院 | 一种装配式建筑外墙渗漏检测装置与使用方法 |
| CN113106175A (zh) * | 2021-03-29 | 2021-07-13 | 北京中航天业科技有限公司 | 钢渣处理热烟气收集系统及方法 |
| CN113269713A (zh) * | 2021-04-07 | 2021-08-17 | 西南交通大学 | 隧道掌子面地下水出水形式智能识别方法及确定装置 |
| CN113269713B (zh) * | 2021-04-07 | 2023-04-07 | 西南交通大学 | 隧道掌子面地下水出水形式智能识别方法及确定装置 |
| CN113138148A (zh) * | 2021-04-21 | 2021-07-20 | 中国农业大学 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
| CN113341993A (zh) * | 2021-06-21 | 2021-09-03 | 杭州越歌科技有限公司 | 管道检测机器人自动导航方法、系统、存储介质及机器人 |
| CN113532517A (zh) * | 2021-06-28 | 2021-10-22 | 同济大学 | 一种隧道工作面稳定性实时精细评估设备及方法 |
| CN113532517B (zh) * | 2021-06-28 | 2022-07-22 | 同济大学 | 一种隧道工作面稳定性实时精细评估设备及方法 |
| CN113945288A (zh) * | 2021-10-25 | 2022-01-18 | 重庆交通建设(集团)有限责任公司 | 一种基于红外探测的岩溶隧道掌子面突水预报方法 |
| CN114216931A (zh) * | 2021-11-05 | 2022-03-22 | 中国矿业大学 | 一种基于红外图像的带式输送机煤炭自燃检测方法 |
| CN114544456A (zh) * | 2022-01-10 | 2022-05-27 | 河海大学 | 土石堤坝渗漏非接触式时空连续监测与预警方法及系统 |
| CN115457735A (zh) * | 2022-07-21 | 2022-12-09 | 山东大学 | 基于红外热成像与视频监控的突涌水无线监测装置及方法 |
| CN116908241A (zh) * | 2023-08-01 | 2023-10-20 | 郑州大学 | 一种施工期检测体外预应力孔道压浆密实度的红外热成像方法 |
| CN116823676A (zh) * | 2023-08-28 | 2023-09-29 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
| CN116823676B (zh) * | 2023-08-28 | 2023-11-21 | 浙江欣灵智能电气有限公司 | 基于红外热图的电动汽车防火安全检测方法 |
| CN117782435A (zh) * | 2024-02-23 | 2024-03-29 | 中国电建集团西北勘测设计研究院有限公司 | 一种地下储气库漏气监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110529186B (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110529186A (zh) | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 | |
| CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
| CN105784710B (zh) | 一种基于数字图像处理的混凝土桥梁裂缝检测装置 | |
| CN104655047B (zh) | 隧道快速综合测量系统 | |
| CN106978774B (zh) | 一种路面坑槽自动检测方法 | |
| CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| CN110285793A (zh) | 一种基于双目立体视觉系统的车辆智能测轨迹方法 | |
| US8238610B2 (en) | Homography-based passive vehicle speed measuring | |
| CN110161043A (zh) | 一种地铁隧道结构综合检测车 | |
| CN110322702A (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
| CN101514993B (zh) | 基于线阵ccd摄像机的车辆速度测量装置 | |
| CN106878687A (zh) | 一种基于多传感器的车载环境识别系统及全方位视觉模块 | |
| CN102564335A (zh) | 一种大型隧道变形测量方法 | |
| CN108802043A (zh) | 隧道检测装置、检测系统及隧道病害信息提取方法 | |
| CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
| US20180164157A1 (en) | Street light detection | |
| CN206611521U (zh) | 一种基于多传感器的车载环境识别系统及全方位视觉模块 | |
| CN103630088A (zh) | 基于双激光带的高精度隧道断面检测方法及装置 | |
| CN102589808A (zh) | 大型隧道渗水点测量方法 | |
| CN110702343B (zh) | 一种基于立体视觉的挠度测量系统及方法 | |
| CN109239099A (zh) | 多机协同环境下的路面破损实时检测系统及其检测方法 | |
| CN110243293A (zh) | 基于结构光和机器视觉的管片错台快速检测装置与方法 | |
| CN109143001A (zh) | 受电弓检测系统 | |
| CN106370880A (zh) | 电机转速自动测量方法及装置 | |
| CN105303844A (zh) | 基于激光的夜间高速公路团雾自动检测装置及其检测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Accurate identification method of tunnel leakage structure based on infrared imaging device Effective date of registration: 20220310 Granted publication date: 20210330 Pledgee: Agricultural Bank of China Limited Shanghai Wujiaochang sub branch Pledgor: SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO.,LTD. Registration number: Y2022310000048 |